第 1章 機(jī)器學(xué)習(xí)概述 1 1.1　機(jī)器學(xué)習(xí)簡(jiǎn)介　1 1.1.1　機(jī)器學(xué)習(xí)的概念　1 1.1.2　機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域　1 1.2　機(jī)器學(xué)習(xí)通用流程　3 1.2.1　目標(biāo)分析　4 1.2.2　數(shù)據(jù)準(zhǔn)備　5 1.2.3　特征工程　6 1.2.4　模型訓(xùn)練　7 1.2.5　性能度量與模型調(diào)優(yōu)　7 1.3　Python機(jī)器學(xué)習(xí)工具庫(kù)簡(jiǎn)介　7 1.3.1　數(shù)據(jù)準(zhǔn)備相關(guān)工具庫(kù)　8 1.3.2　數(shù)據(jù)可視化相關(guān)工具庫(kù)　8 1.3.3　模型訓(xùn)練與評(píng)估相關(guān)工具庫(kù)　9 小結(jié)　10 課后習(xí)題　10 第　2章 數(shù)據(jù)準(zhǔn)備　13 2.1　數(shù)據(jù)質(zhì)量校驗(yàn)　13 2.1.1　一致性校驗(yàn)　13 2.1.2　缺失值校驗(yàn)　16 2.1.3　異常值分析　17 2.2　數(shù)據(jù)分布與趨勢(shì)探查　18 2.2.1　分布分析　18 2.2.2　對(duì)比分析　22 2.2.3　描述性統(tǒng)計(jì)分析　26 2.2.4　周期性分析　28 2.2.5　貢獻(xiàn)度分析　30 2.2.6　相關(guān)性分析　31 2.3　數(shù)據(jù)清洗　35 2.3.1　缺失值處理　35 2.3.2　異常值處理　39 2.4　數(shù)據(jù)合并　39 2.4.1　數(shù)據(jù)堆疊　40 2.4.2　主鍵合并　43 小結(jié)　45 課后習(xí)題　45 第3章　特征工程　48 3.1　特征變換　48 3.1.1　特征縮放　48 3.1.2　獨(dú)熱編碼　52 3.1.3　離散化　53 3.2　特征選擇　56 3.2.1　過濾式選擇　57 3.2.2　包裹式選擇　58 3.2.3　嵌入式選擇　58 3.2.4　字典學(xué)習(xí)　59 小結(jié)　64 課后習(xí)題　64 第4章　有監(jiān)督學(xué)習(xí)　67 4.1　有監(jiān)督學(xué)習(xí)簡(jiǎn)介　67 4.2　性能度量　67 4.2.1　分類任務(wù)性能度量　68 4.2.2　回歸任務(wù)性能度量　70 4.3　線性模型　70 4.3.1　線性模型簡(jiǎn)介　70 4.3.2　線性回歸　70 4.3.3　邏輯回歸　73 4.4　k近鄰分類　76 4.5　決策樹　78 4.5.1　決策樹簡(jiǎn)介　78 4.5.2　ID3算法　79 4.5.3　C4.5算法　81 4.5.4　CART算法　84 4.6　支持向量機(jī)　86 4.6.1　支持向量機(jī)簡(jiǎn)介　86 4.6.2　線性支持向量機(jī)　87 4.6.3　非線性支持向量機(jī)　91 4.7　樸素貝葉斯　94 4.8　神經(jīng)網(wǎng)絡(luò)　98 4.8.1　神經(jīng)網(wǎng)絡(luò)介紹　98 4.8.2　BP神經(jīng)網(wǎng)絡(luò)　99 4.9　集成學(xué)習(xí)　103 4.9.1　Bagging　104 4.9.2　Boosting　106 4.9.3　Stacking　109 小結(jié)　111 課后習(xí)題　111 第5章　無(wú)監(jiān)督學(xué)習(xí)　113 5.1　無(wú)監(jiān)督學(xué)習(xí)簡(jiǎn)介　113 5.2　降維　113 5.2.1　PCA　114 5.2.2　核化線性降維　116 5.3　聚類任務(wù)　119 5.3.1　性能度量　119 5.3.2　距離計(jì)算　120 5.3.3　原型聚類　121 5.3.4　密度聚類　128 5.3.5　層次聚類　131 小結(jié)　133 課后習(xí)題　133 第6章　智能推薦　135 6.1　智能推薦簡(jiǎn)介　135 6.1.1　什么是推薦系統(tǒng)　135 6.1.2　智能推薦的應(yīng)用　135 6.2　智能推薦性能度量　137 6.2.1　離線實(shí)驗(yàn)評(píng)價(jià)指標(biāo)　137 6.2.2　用戶調(diào)查評(píng)價(jià)指標(biāo)　139 6.2.3　在線實(shí)驗(yàn)評(píng)價(jià)指標(biāo)　140 6.3　基于關(guān)聯(lián)規(guī)則的智能推薦　140 6.3.1　關(guān)聯(lián)規(guī)則和頻繁項(xiàng)集　140 6.3.2　Apriori　141 6.3.3　FP-Growth　145 6.4　基于協(xié)同過濾的智能推薦　150 6.4.1　基于用戶的協(xié)同過濾　150 6.4.2　基于物品的協(xié)同過濾　153 小結(jié)　157 課后習(xí)題　157 第7章　市財(cái)政收入分析　160 7.1　目標(biāo)分析　160 7.1.1　背景　160 7.1.2　數(shù)據(jù)說明　160 7.1.3　分析目標(biāo)　161 7.2　數(shù)據(jù)準(zhǔn)備　162 7.3　特征工程　164 7.3.1　Lasso回歸　164 7.3.2　特征選擇　164 7.4　模型訓(xùn)練　165 7.4.1　灰色預(yù)測(cè)模型　165 7.4.2　關(guān)鍵特征預(yù)測(cè)　166 7.4.3　SVR模型預(yù)測(cè)　168 7.5　性能度量　169 小結(jié)　171 課后習(xí)題　171 第8章　基于非侵入式電力負(fù)荷監(jiān)測(cè)與分解的電力分析　172 8.1　目標(biāo)分析　172 8.1.1　背景　172 8.1.2　數(shù)據(jù)說明　173 8.1.3　分析目標(biāo)　175 8.2　數(shù)據(jù)準(zhǔn)備　176 8.2.1　數(shù)據(jù)探索　176 8.2.2　缺失值處理　179 8.3　特征工程　181 8.3.1　設(shè)備數(shù)據(jù)　181 8.3.2　周波數(shù)據(jù)　182 8.4　模型訓(xùn)練　183 8.5　性能度量　185 小結(jié)　189 課后習(xí)題　189 第9章　航空公司客戶價(jià)值分析　190 9.1　目標(biāo)分析　190 9.1.1　背景　190 9.1.2　數(shù)據(jù)說明　191 9.1.3　分析目標(biāo)　192 9.2　數(shù)據(jù)準(zhǔn)備　192 9.2.1　數(shù)據(jù)探索　192 9.2.2　數(shù)據(jù)清洗　193 9.3　特征工程　193 9.3.1　特征構(gòu)造　193 9.3.2　特征選擇　195 9.3.3　特征變換　196 9.4　模型訓(xùn)練　198 9.5　性能度量　199 9.5.1　結(jié)果分析　199 9.5.2　客戶價(jià)值分析　201 小結(jié)　202 課后習(xí)題　202 第　10章 廣電大數(shù)據(jù)營(yíng)銷推薦　205 10.1　目標(biāo)分析　205 10.1.1　背景　205 10.1.2　數(shù)據(jù)說明　206 10.1.3　分析目標(biāo)　208 10.2　數(shù)據(jù)準(zhǔn)備　209 10.2.1　數(shù)據(jù)獲取　209 10.2.2　數(shù)據(jù)清洗　209 10.2.3　數(shù)據(jù)探索分析　216 10.3　特征工程　222 10.3.1　特征構(gòu)造　222 10.3.2　節(jié)目信息的獲取　244 10.4　模型構(gòu)建　247 10.4.1　基于物品的協(xié)同過濾算法的推薦模型　248 10.4.2　基于Simple TagBased TF-IDF算法的標(biāo)簽推薦模型　250 10.4.3　Popular流行度推薦模型　254 10.5　性能度量　255 10.6　結(jié)果分析　258 小結(jié)　258 課后習(xí)題　259 第　11章 基于TipDM數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)航空公司客戶價(jià)值分析　260 11.1　平臺(tái)簡(jiǎn)介　260 11.1.1　首頁(yè)　261 11.1.2　數(shù)據(jù)源　261 11.1.3　工程　263 11.1.4　系統(tǒng)組件　263 11.1.5　TipDM數(shù)據(jù)挖掘建模平臺(tái)的本地化部署　264 11.2　快速構(gòu)建航空公司客戶價(jià)值分析工程　267 11.2.1　數(shù)據(jù)獲取　267 11.2.2　數(shù)據(jù)準(zhǔn)備　270 11.2.3　特征工程　273 11.2.4　模型訓(xùn)練　275 小結(jié)　277 課后習(xí)題　277 參考文獻(xiàn)　278