Python机器学习实战案例（第2版）

　　机器学习是人工智能的重要技术基础，涉及的内容十分广泛。
　　《Python机器学习实战案例（第2版）》基于Python语言，实现了12个典型的实战案例，其内容涵盖了机器学习的基础算法，主要包括统计学习基础、可视化、常用的分类算法、文本分析、卷积神经网络、循环神经网络、注意力机制、生成对抗网络、电子推荐系统等理论。
　　《Python机器学习实战案例（第2版）》深入浅出，以实际应用的项目作为案例，实践性强，注重提升读者的动手操作能力，适合作为高等院校本科生及研究生机器学习、深度学习、数据挖掘等课程的实验教材，也可作为对机器学习和深度学习感兴趣的研究人员和工程技术人员的参考资料。
　　《Python机器学习实战案例（第2版）》特色：
　　基于Python语言实现12个典型的实战案例，其内容涵盖机器学习的基础算法。
　　以实际应用的项目作为案例，实践性强，注重提升读者的动手操作能力。

赵卫东，复旦大学计算机科学技术学院副教授。主要负责本科生和各类研究生机器学习、大数据核心技术和商务智能（商务数据分析）等课程的教学。2011年纽约大学访问学者、2015年上海市科技进步二等奖获得者、CDA三级认证数据科学家、腾讯云和百度云机器学习认证讲师。主讲的商务智能课程被评为上海市精品课程以及CMOOC联盟线上线下混合式教学改革项目，并获得2013年高等教育上海市教学成果奖二等奖。目前主要研究方向包括机器学习应用和大数据分析等。主持国家自然科学基金2项，国家重点研发计划子课题、上海市浦江人才以及企业合作课题等30多项。已在Knowledge and Information Systems， Information Processing & Management，Information Systems Frontiers等国内外刊物和学术会议发表论文100多篇。出版专著、教材《机器学习》《机器学习案例实战》《Python机器学习实战案例》等10多部。

第1章 集装箱危险品瞒报预测
1．1 业务背景分析
1．2 数据提取
1．3 数据预处理
1．3．1 数据集成
1．3．2 数据清洗
1．3．3 数据变换
1．3．4 数据离散化
1．3．5 特征重要性筛选
1．3．6 数据平衡
1．4 危险品瞒报预测建模
1．5 模型评估
思考题

第2章 保险产品推荐
2．1 业务背景分析
2．2 数据探索
2．3 数据预处理
2．4 分类模型构建
2．5 平衡数据集
2．6 算法调参
2．7 模型比较
思考题

第3章 图书类目自动标引系统
3．1 业务背景分析
3．2 数据提取
3．3 数据预处理
3．4 基于贝叶斯分类的文献标引
3．4．1 增量训练
3．4．2 特征降维与消歧
3．4．3 权重调节
3．5 贝叶斯分类性能评估
3．6 基于BERT算法的文献标引
3．6．1 数据预处理
3．6．2 构建训练集
3．6．3 模型实现
思考题

第4章 基于分类算法的学习失败预警
4．1 业务背景分析
4．2 学习失败风险预测流程
4．3 数据收集
4．4 数据预处理
4．4．1 数据探查及特征选择
4．4．2 数据集划分及不平衡样本处理
4．4．3 样本生成及标准化处理
4．5 随机森林算法
4．5．1 网格搜索及模型训练
4．5．2 结果分析与可视化
4．5．3 特征重要性分析
4．5．4 与其他算法比较
思考题

第5章 自然语言处理技术实例
5．1 业务背景分析
5．2 分析框架
5．3 数据收集
5．4 建立模型
5．4．1 文本分词
5．4．2 主题词提取
5．4．3 情感分析
5．4．4 语义角色标记
5．4．5 语言模型
5．4．6 词向量模型Word2Vec
思考题
……

第6章 基于标签的信息推荐系统
第7章 快销行业客户行为分析与流失预警
第8章 基于深度学习的图片识别系统
第9章 超分辨率图像重建
第10章 基于YOLOv5的电动车骑手头盔检测
第11章 基于UNET算法的农业遥感图像分割
第12章 基于自注意力、BiLSTM和TextCNN算法的新闻分类

附录
参考文献