机器学习实践应用

内容简介

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科，专门研究计算机怎样模拟或实现人类的学习行为。机器学习是人工智能的核心，是使计算机具有 智能的根本途径。

本书通过对机器学习的背景知识、算法流程、相关工具、实践案例以及知识图谱等内容的讲解，全面介绍了机器学习的理论基础和实践应用。书中涉及机器学习领域的多个典型算法，并详细给出了机器学习的算法流程。

本书适合任何有一定数据功底和编程基础的读者阅读。通过阅读本书，读者不仅可以了解机器学习的理论基础，也可以参照一些典型的应用案例拓展自己的专业技能。同时，本书也适合计算机相关专业的学生以及对人工智能和机器学习感兴趣的读者阅读。

通过阅读本书，你将了解到：

机器学习全流程的串联方式，包括数据预处理、特征工程、算法、模型评估等；

最常用的机器学习算法，包括逻辑回归、随机森林、支持向量机、KMEANS、DBSCAN、K 近邻、马尔科夫决策、LDA、标签传播等；

机器学习算法在实际业务中的应用，涉及金融、医疗、新闻、电商等诸多领域；

机器学习的常用工具：R、Spark-MLib、TensorFlow、PAI 等；

时下最热门的技术领域：深度学习、知识图谱等。

作者简介

李博，花名“傲海”。目前任阿里云数据产品经理，主要负责机器学习平台的产品
化建设以及对外业务应用。本科、硕士毕业于北京邮电大学，曾就职于索尼和华为
（实习），从事数据相关产品的开发。作为 CSDN 博客专家、云栖社区博客专
家，长期分享 IT 技术相关文章，内容涉及机器学习算法、Android 应用及源码
开发等领域。一直活跃于开发者社区，主导开发了多个 GitHub 百星开源项目，还
开发并上线了多款手机 App。
阅读全文: http://gitbook.cn/gitchat/geekbook/5a377733d7fd13649973b0dc