机器学习实践

本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的基础实践，理论翔实，代码精细，是一本实用性极强的入门实践教辅材料。

本书全面讲解了机器学习和人工智能技术，理论与实践充分结合，带您开启机器学习之门

前言

近年来，人工智能行业的快速发展得到了社会各界的广泛关注，我国政府在《新一代人工智能发展规划》提出“到2030年，使中国成为世界主要人工智能创新中心”。与此同时，我国多所高校也陆续成立人工智能专业。2018年35所高校获教育部批准首批开设人工智能本科专业，2019、2020年新增人工智能专业的高校分别有180所、130所。然而，在人工智能行业高速发展的大背景下，AI人才仍然显得“供血不足”。

从当前的人才需求趋势来看，由于人工智能技术与业务落地实践结合非常紧密，行业亟需大量既懂理论又懂实践的应用型AI人才。作为人才培养的重要基地，我国高校人工智能人才培养目前还面临师资较少、经费不足、实践机会缺失等现实问题，导致目前高校培养的人才仍以学科型、研究型为主。关于行业需求量较大的应用型人才如何培养尚不明确，难以满足人工智能行业的深度需求。

为帮助更多人工智能爱好者了解产业需求，本书应用百度开源深度学习框架百度飞桨（PaddlePaddle），通过大量实践案例，辅以理论知识讲解，帮助读者快速入门，理解核心知识点。并通过由浅入深的真实案例操作，对相关知识进行全面实战检验。同时，按照数据建模步骤，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的实践。

本书涵盖了大量源自百度飞桨平台的实践案例。作为我国首个自主研发、功能丰富、开源开放的产业级深度学习平台，百度飞桨已凝聚来自于各行各业的370万开发者，创建42.5万个AI模型，累计服务14万企事业单位，覆盖工业、能源、金融、农业、医疗、城市管理等众多应用场景。作者从百度飞桨中挑选了大量适合初学者学习的案例素材，以期通过真实的产业界实战练习，帮助读者更好地理解、应用相关知识点，更好完成从理论到实践的进阶，成为真正符合市场需求的应用型人工智能人才。

人工智能行业的发展离不开人才培养，应用型人才的培养离不开实践学习。希望本书的出现，可以帮助更多人工智能爱好者通过真实案例更深刻地理解理论知识，并在日后将书中所学应用到产业实践中，共同推动我国人工智能发展走向新高峰。

编者2021年11月

目录

第1章Python基础实践

实践一： 海量文件遍历

实践二： 简单计算器实现

实践三： 图像直方图统计

实践四： 文本词频分析

第2章数据爬取与分析

实践五： 明星图片爬取

实践六： 股票行情爬取与分析

实践七： 科比职业生涯数据爬取与分析

第3章机器学习基础实践

实践八： 基于线性回归实现房价预测

实践九： 基于逻辑回归模型实现手写数字识别

实践十： 基于朴素贝叶斯实现文本分类

实践十一： 基于支持向量机实现鸢尾花分类

实践十二： 基于Kmeans实现鸢尾花聚类

第4章神经网络基础实验

实践十三： 基于全连接神经网络实现房价预测

实践十四： 基于全连接神经网络实现宝石分类

实践十五： 基于高层API实现宝石分类

第5章计算机视觉基础实验

实践十六： 图像数据预处理实践

实践十七： 基于卷积神经网络实现美食分类

实践十八： 基于VGG16实现中草药分类

实践十九： 基于ResNet50实现CIFAR10数据集分类

第6章自然语言处理基础实验

实践二十： 文本数据处理实践

实践二十一： 基于CBOW实现Word2Vec

实践二十二： 基于Skipgram实现Word2Vec

实践二十三： 基于循环神经网络实现情感分类

实践二十四： 基于LSTM实现谣言检测

实践二十五： 基于GRU实现情感分类

第7章深度学习前沿应用

实践二十六： 目标检测

实践二十七： 图像风格迁移

实践二十八： 图像分类FineTuning

实践二十九： 文本审核

实践三十： 文本生成

实践三十一： 文本分类FineTuning

参考文献