前言 .. 1

第一部分

第1章 機(jī)器學(xué)習(xí)項(xiàng)目流程 .11

1.1 如何利用機(jī)器學(xué)習(xí) 11

1.2 機(jī)器學(xué)習(xí)項(xiàng)目的流程 13

1.3 實(shí)際系統(tǒng)中的機(jī)器學(xué)習(xí)問(wèn)題的處理方法 27

1.4 機(jī)器學(xué)習(xí)系統(tǒng)的成功要素 32

1.5 小結(jié) 34

第2章 機(jī)器學(xué)習(xí)的用途 35

2.1 算法選擇 35

2.2 分類 37

2.3 回歸 69

2.4 聚類與降維 72

2.5 其他 74

2.6 小結(jié) 76

第3章 學(xué)習(xí)結(jié)果的評(píng)價(jià) 77

3.1 分類的評(píng)價(jià)矩陣 77

3.2 回歸的評(píng)價(jià) 86

3.3 機(jī)器學(xué)習(xí)系統(tǒng)的A/B測(cè)試 88

3.4 小結(jié) 89

第4章 機(jī)器學(xué)習(xí)系統(tǒng)的開(kāi)發(fā) 91

4.1 機(jī)器學(xué)習(xí)系統(tǒng)的開(kāi)發(fā)流程 91

4.2 系統(tǒng)設(shè)計(jì) 92

4.3 日志設(shè)計(jì) 105

4.4 小結(jié) 110

第5章 機(jī)器學(xué)習(xí)資源的收集 111

5.1 機(jī)器學(xué)習(xí)資源的獲取 111

5.2 利用公開(kāi)的數(shù)據(jù)集或模型 113

5.3 開(kāi)發(fā)者自己創(chuàng)建訓(xùn)練數(shù)據(jù) 114

5.4 他人幫忙輸入數(shù)據(jù) 116

5.5 數(shù)據(jù)創(chuàng)建眾包 117

5.6 基于服務(wù)的用戶輸入 119

5.7 小結(jié) 120

第6章 效果驗(yàn)證 121

6.1 效果驗(yàn)證概述 121

6.2 假設(shè)檢驗(yàn)的框架 125

6.3 假設(shè)檢驗(yàn)的注意事項(xiàng) 131

6.4 因果效應(yīng)的推斷 137

6.5 A/B測(cè)試 141

6.6 小結(jié) 144

第二部分

第7章 電影推薦系統(tǒng) 147

7.1 概述 147

7.2 推薦系統(tǒng)功能 149

7.3 MovieLens的數(shù)據(jù)趨勢(shì) 159

7.4 推薦系統(tǒng)的開(kāi)發(fā) 165

7.5 小結(jié) . 176

第8章 Kickstarter的數(shù)據(jù)分析 177

8.1 Kickstarter的API 177

8.2 Kickstarter的網(wǎng)絡(luò)爬蟲 178

8.3 數(shù)據(jù)變換 . 180

8.4 瀏覽Excel數(shù)據(jù) . 181

8.5 數(shù)據(jù)透視表 185

8.6 達(dá)成目標(biāo)卻被取消的項(xiàng)目 190

8.7 國(guó)別的項(xiàng)目分析 192

8.8 形成分析報(bào)告 194

8.9 進(jìn)一步的工作 204

8.10 小結(jié) 204

第9章 基于Uplift Modeling的營(yíng)銷資源效率分析207

9.1 Uplift Modeling的四象限分區(qū) 208

9.2 擴(kuò)展A/B測(cè)試的Uplift Modeling的概要 210

9.3 Uplift Modeling的數(shù)據(jù)集生成 211

9.4 利用兩個(gè)預(yù)測(cè)模型的Uplift Modeling . 214

9.5 Uplift Modeling的評(píng)價(jià)方法 . 218

9.6 實(shí)際應(yīng)用 . 224

9.7 實(shí)際應(yīng)用Uplift Modeling的相關(guān)事項(xiàng) . 231

9.8 小結(jié) . 233

參考文獻(xiàn) 235

后記 .239

致謝 .241