书籍介绍
本书内容覆盖了机器学习领域从理论到实践的多个课题，总共分为10章。第1章为导论，介绍机器学习的背景、定义和任务类型，构建机器学习应用的步骤，以及开发机器学习工作流的方式。第2章详细介绍数据预处理和特征工程，并辅以实例进行验证。第3～6章介绍回归模型、分类模型、模型融合、聚类模型，这些内容是机器学习理论和实践中的传统重点。其中不仅介绍对各种常见数据类型的处理方法，还针对删失数据进行了专门的综述和实践。第7章介绍机器学习领域较难的图计算，并从工业界视角解读如何将图计算落地。第8章针对特征工程、建模过程中大量调参的场景介绍自动机器学习的理论和应用，并细致比较和测试了各种自动特征工程算法在不同数据上的表现。第9章介绍自然语言处理（词向量、序列标注、关键词抽取、自动摘要和情感分析），使用新闻文本数据搭建文本分类的流程。第10章介绍计算机视觉中图像分类和目标检测的应用以及落地案例（车辆检测）。
星环科技人工智能平台团队编著
目录