机器学习算法评估实战

机器学习算法评估实战读书笔记模板01思维导图目录分析读书笔记内容摘要作者介绍精彩摘录目录0305020406思维导图算法机器算法机器实战评估方法人工智能小结算法评估第章模型方法机器基础语言悖论读者本书关键字分析思维导图内容摘要内容摘要机器学习算法评估力求用科学的指标，对机器学习算法进行完整、可靠的评价。本书详细介绍机器学习算法评估的理论、方法和实践。全书分为3个部分。第1部分包含第1章～第3章，针对分类算法、回归算法和聚类算法分别介绍对应的基础理论和评估方法；第2部分包含第4章～第8章，介绍更复杂的模型（如深度学习模型和集成树模型）的对比与评估，并且针对它们实际应用的业务场景介绍一些特有的评估指标和评估体系；第3部分包含第9章～第11章，总结算法评估的常用工具、技术及方法论，包括实用的可视化工具介绍，并讨论机器学习算法的本质。本书适合机器学习专业相关从业者和算法工程师阅读，也适合想要从事人工智能和机器学习工作的人士学习和参考。目录分析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12345前言/PREFACE写作这本书的背景致谢本书的目标读者前言/PREFACE写作这本书的背景1.1训练集和测试集的选择1.3ROC和AUC1.2准召率和P-R曲线第1章分类的艺术1.5小结1.5异常检测第1章分类的艺术2.1ME那些事2.3欠拟合和过拟合2.2方差和偏差第2章一个好的回归算法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2章一个好的回归算法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3章“硬核”聚类4.1卷积神经络4.2循环神经络4.3更实用的模型4.4小结第4章慧眼识天下——深度学习算法原理对比5.1文字的预处理5.2RNN文本分类5.3HAN文本分类5.4NLP评估5.5小结12345第5章智慧的语言——NLP算法实战与评估6.1基础树模型的对比6.2随机森林和AdaBoost6.3GBDT6.4XGBoost6.5小结12345第6章预言家的思考——树模型的对比与评估7.1多路召回7.3FM、FFM和特征组合7.2逻辑斯谛回归第7章爱我所爱——推荐算法对比与评估7.4Wide&Deep7.5更有趣的模型——Transformer7.6推荐算法的评估7.7小结第7章爱我所爱——推荐算法对比与评估8.1坐标8.3小结8.2路线第8章奇门遁甲——LBS算法与评估9.1R语言简介9.3小结9.2Shiny可视化第9章评估利器——交互式可视化10.1机器学习之殇10.2辛普森悖论10.3伯克森悖论10.4智能之梯第10章像哲学家一样思考——因果推断10.6小结10.5因果推断的方法第10章像哲学家一样思考——因果推断11.1卡方检验11.2T检验11.3Z检验和F检验11.4小结参考文献12345第11章基础评估方法——假设检验作者介绍同名作者介绍这是《机器学习算法评估实战》的读书笔记模板，暂无该书作者的介绍。读书笔记读书笔记这是《机器学习算法评估