机器学习算法评估实战

封面

版权信息

内容提要

前言/PREFACE写作这本书的背景

什么是机器学习算法评估

为什么需要算法评估

你真的会评估吗

评估体系的关键因素

本书的主要内容

本书的目标读者

致谢

资源与支持

第1章 分类的艺术

1.1 训练集和测试集的选择

1.2 准召率和P-R曲线

1.3 ROC和AUC

1.5 异常检测

1.5 小结

第2章 一个好的回归算法

2.1 ME那些事

2.2 方差和偏差

2.3 欠拟合和过拟合

2.4 正则化方法

2.5 回归算法的对比

2.6 梯度下降的对比

2.7 小结

第3章 “硬核”聚类

3.1 无监督学习

3.2 聚类算法的评估指标

3.3 聚类算法的对比

3.4 小结

第4章 慧眼识天下——深度学习算法原理对比

4.1 卷积神经网络

4.2 循环神经网络

4.3 更实用的模型

4.4 小结

第5章 智慧的语言——NLP算法实战与评估

5.1 文字的预处理

5.2 RNN文本分类

5.3 HAN文本分类

5.4 NLP评估

5.5 小结

第6章 预言家的思考——树模型的对比与评估

6.1 基础树模型的对比

6.2 随机森林和AdaBoost

6.3 GBDT

6.4 XGBoost

6.5 小结

第7章 爱我所爱——推荐算法对比与评估

7.1 多路召回

7.2 逻辑斯谛回归

7.3 FM、FFM和特征组合

7.4 Wide&Deep

7.5 更有趣的模型——Transformer

7.6 推荐算法的评估

7.7 小结

第8章 奇门遁甲——LBS算法与评估

8.1 坐标

8.2 路线

8.3 小结

第9章 评估利器——交互式可视化

9.1 R语言简介

9.2 Shiny可视化

9.3 小结

第10章 像哲学家一样思考——因果推断

10.1 机器学习之殇

10.2 辛普森悖论

10.3 伯克森悖论

10.4 智能之梯

10.5 因果推断的方法

10.6 小结

第11章 基础评估方法——假设检验

11.1 卡方检验

11.2 T检验

11.3 Z检验和F检验

11.4 小结