人工智能，觸手可及，讓數(shù)據(jù)起舞，用算法擴(kuò)展業(yè)務(wù)邊界 。

　　阿里機(jī)器學(xué)習(xí)專家力作，實(shí)戰(zhàn)經(jīng)驗(yàn)分享 。

　　這是一本難得的面向機(jī)器學(xué)習(xí)愛好者的入門級教程，本書涉及機(jī)器學(xué)習(xí)的基礎(chǔ)理論

　　和深度學(xué)習(xí)等相關(guān)內(nèi)容，內(nèi)容深入淺出。更加難能可貴的是，本書基于阿里云機(jī)器學(xué)習(xí)平臺，針對7個具體的業(yè)務(wù)場景，搭建了完整的解決方案，給讀者帶來第一手的實(shí)戰(zhàn)演練經(jīng)驗(yàn)。

　　——阿里云資深專家 褚崴

　　機(jī)器學(xué)習(xí)算法正在逐漸滲透到數(shù)據(jù)化運(yùn)營的各個方面，算法和業(yè)務(wù)數(shù)據(jù)相結(jié)合可以大幅度地提高業(yè)務(wù)效率、降低成本。本書以算法的業(yè)務(wù)應(yīng)用作為切入點(diǎn)，包含大量的案例說明，非常適合讀者快速入門。

　　——阿里云高級專家 陳鵬宇

　　通過閱讀本書，你將了解到：

　　機(jī)器學(xué)習(xí)全流程的串聯(lián)方式，包括數(shù)據(jù)預(yù)處理、特征工程、算法、模型評估等；

　  常用的機(jī)器學(xué)習(xí)算法，包括邏輯回歸、隨機(jī)森林、支持向量機(jī)、KMEANS、DBSCAN、K近鄰、

　　馬爾科夫決策、LDA、標(biāo)簽傳播等；

　　機(jī)器學(xué)習(xí)算法在實(shí)際業(yè)務(wù)中的應(yīng)用，涉及金融、醫(yī)療、新聞、電商等諸多領(lǐng)域；

　　機(jī)器學(xué)習(xí)的常用工具：R、Spark-MLib、TensorFlow、PAI等；

　　時下熱門的技術(shù)領(lǐng)域：深度學(xué)習(xí)、知識圖譜等。

　　機(jī)器學(xué)習(xí)是一門多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度等多門學(xué)科，專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為。機(jī)器學(xué)習(xí)是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑。

　　本書通過對機(jī)器學(xué)習(xí)的背景知識、算法流程、相關(guān)工具、實(shí)踐案例以及知識圖譜等內(nèi)容的講解，全面介紹了機(jī)器學(xué)習(xí)的理論基礎(chǔ)和實(shí)踐應(yīng)用。書中涉及機(jī)器學(xué)習(xí)領(lǐng)域的多個典型算法，并詳細(xì)給出了機(jī)器學(xué)習(xí)的算法流程。

　　本書適合任何有一定數(shù)據(jù)功底和編程基礎(chǔ)的讀者閱讀。通過閱讀本書，讀者不僅可以了解機(jī)器學(xué)習(xí)的理論基礎(chǔ)，也可以參照一些典型的應(yīng)用案例拓展自己的專業(yè)技能。同時，本書也適合計(jì)算機(jī)相關(guān)專業(yè)的學(xué)生以及對人工智能和機(jī)器學(xué)習(xí)感興趣的讀者閱讀。

   李博，花名“傲?！?。目前任阿里云數(shù)據(jù)產(chǎn)品經(jīng)理，主要負(fù)責(zé)機(jī)器學(xué)習(xí)平臺的產(chǎn)品化建設(shè)以及對外業(yè)務(wù)應(yīng)用。本科、碩士畢業(yè)于北京郵電大學(xué)，曾就職于索尼和華為（實(shí)習(xí)），從事數(shù)據(jù)相關(guān)產(chǎn)品的開發(fā)。作為CSDN博客專家、云棲社區(qū)博客專家，長期分享IT技術(shù)相關(guān)文章，內(nèi)容涉及機(jī)器學(xué)習(xí)算法、Android應(yīng)用及源碼開發(fā)等領(lǐng)域。一直活躍于開發(fā)者社區(qū)，主導(dǎo)開發(fā)了多個GitHub百星開源項(xiàng)目，還開發(fā)并上線了多款手機(jī)App。作者微信公眾號（長期更新機(jī)器學(xué)習(xí)業(yè)務(wù)應(yīng)用文章）：凡人機(jī)器學(xué)習(xí) 個人網(wǎng)站：www.garvinli.com 作者郵箱：garvin.libo@gmail.com

第1部分 背景知識 

第1章 機(jī)器學(xué)習(xí)概述 3 

1.1 背景 3 

1.2 發(fā)展現(xiàn)狀 6 

1.2.1 數(shù)據(jù)現(xiàn)狀 6 

1.2.2 機(jī)器學(xué)習(xí)算法現(xiàn)狀 8 

1.3 機(jī)器學(xué)習(xí)基本概念 12 

1.3.1 機(jī)器學(xué)習(xí)流程 12 

1.3.2 數(shù)據(jù)源結(jié)構(gòu) 14 

1.3.3 算法分類 16 

1.3.4 過擬合問題 18 

1.3.5 結(jié)果評估 20 

1.4 本章小結(jié) 22 

第2部分 算法流程 

第2章 場景解析 25 

2.1 數(shù)據(jù)探查 25 

2.2 場景抽象 27 

2.3 算法選擇 29 

2.4 本章小結(jié) 31 

第3章 數(shù)據(jù)預(yù)處理 32 

3.1 采樣 32 

3.1.1 隨機(jī)采樣 32 

3.1.2 系統(tǒng)采樣 34 

3.1.3 分層采樣 35 

3.2 歸一化 36 

3.3 去除噪聲 39 

3.4 數(shù)據(jù)過濾 42 

3.5 本章小結(jié) 43 

第4章 特征工程 44 

4.1 特征抽象 44 

4.2 特征重要性評估 49 

4.3 特征衍生 53 

4.4 特征降維 57 

4.4.1 特征降維的基本概念 57 

4.4.2 主成分分析 59 

4.5 本章小結(jié) 62 

第5章 機(jī)器學(xué)習(xí)算法——常規(guī)算法 63 

5.1 分類算法 63 

5.1.1 K近鄰 63 

5.1.2 樸素貝葉斯 68 

5.1.3 邏輯回歸 74 

5.1.4 支持向量機(jī) 81 

5.1.5 隨機(jī)森林 87 

5.2 聚類算法 94 

5.2.1 K-means 97 

5.2.2 DBSCAN 103 

5.3 回歸算法 109 

5.4 文本分析算法 112 

5.4.1 分詞算法——Hmm 112 

5.4.2 TF-IDF 118 

5.4.3 LDA 122 

5.5 推薦類算法 127 

5.6 關(guān)系圖算法 133 

5.6.1 標(biāo)簽傳播 134 

5.6.2 Dijkstra最短路徑 138 

5.7 本章小結(jié) 145 

第6章 機(jī)器學(xué)習(xí)算法——深度學(xué)習(xí) 146 

6.1 深度學(xué)習(xí)概述 146 

6.1.1 深度學(xué)習(xí)的發(fā)展 147 

6.1.2 深度學(xué)習(xí)算法與傳統(tǒng) 

算法的比較 148 

6.2 深度學(xué)習(xí)的常見結(jié)構(gòu) 152 

6.2.1 深度神經(jīng)網(wǎng)絡(luò) 152 

6.2.2 卷積神經(jīng)網(wǎng)絡(luò) 153 

6.2.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 156 

6.3 本章小結(jié) 157 

第3部分 工具介紹 

第7章 常見機(jī)器學(xué)習(xí)工具介紹 161 

7.1 概述 161 

7.2 單機(jī)版機(jī)器學(xué)習(xí)工具 163 

7.2.1 SPSS 163 

7.2.2 R語言 167 

7.2.3 工具對比 172 

7.3 開源分布式機(jī)器學(xué)習(xí)工具 172 

7.3.1 Spark MLib 172 

7.3.2 TensorFlow 179 

7.4 企業(yè)級云機(jī)器學(xué)習(xí)工具 190 

7.4.1 亞馬遜AWS ML 191 

7.4.2 阿里云機(jī)器學(xué)習(xí)PAI 196 

7.5 本章小結(jié) 205 

第4部分 實(shí)戰(zhàn)應(yīng)用 

第8章 業(yè)務(wù)解決方案 209 

8.1 心臟病預(yù)測 209 

8.1.1 場景解析 209 

8.1.2 實(shí)驗(yàn)搭建 211 

8.1.3 小結(jié) 216 

8.2 商品推薦系統(tǒng) 216 

8.2.1 場景解析 217 

8.2.2 實(shí)驗(yàn)搭建 218 

8.2.3 小結(jié) 220 

8.3 金融風(fēng)控案例 220 

8.3.1 場景解析 221 

8.3.2 實(shí)驗(yàn)搭建 222 

8.3.3 小結(jié) 225 

8.4 新聞文本分析 225 

8.4.1 場景解析 225 

8.4.2 實(shí)驗(yàn)搭建 226 

8.4.3 小結(jié) 230 

8.5 農(nóng)業(yè)貸款發(fā)放預(yù)測 230 

8.5.1 場景解析 230 

8.5.2 實(shí)驗(yàn)搭建 232 

8.5.3 小結(jié) 236 

8.6 霧霾天氣成因分析 236 

8.6.1 場景解析 237 

8.6.2 實(shí)驗(yàn)搭建 238 

8.6.3 小結(jié) 243 

8.7 圖片識別 243 

8.7.1 場景解析 243 

8.7.2 實(shí)驗(yàn)搭建 245 

8.7.3 小結(jié) 253 

8.8 本章小結(jié) 253 

第5部分 知識圖譜 

第9章 知識圖譜 257 

9.1 未來數(shù)據(jù)采集 257 

9.2 知識圖譜的概述 259 

9.3 知識圖譜開源 

工具 261 

9.4 本章小結(jié) 264 

參考文獻(xiàn) 265