機器學習：軟件工程方法與實現(xiàn)

前言
第一部分　工程基礎篇
第1章　機器學習軟件工程方法 2
1.1　機器學習簡述 2
1.1.1　機器學習與人工智能、深度學習等的關系 2
1.1.2　機器學習類別與范式 4
1.2　軟件工程方法 13
1.2.1　機器學習中的軟件工程 15
1.2.2　編碼和測試 18
1.3　樸素貝葉斯測試驅動開發(fā)案例 21
1.3.1　開發(fā)準備 22
1.3.2　開發(fā)郵件分類器 24
1.4　本章小結 29
第2章　工程環(huán)境準備 30
2.1　Anaconda 31
2.1.1　安裝Anaconda 31
2.1.2　使用conda管理環(huán)境 32
2.1.3　Jupyter Notebook 基礎使用和示例 34
2.2　使用Pipenv定制Python環(huán)境 37
2.2.1　Pipenv簡介 38
2.2.2　Pipenv基礎使用和示例 39
2.3　Docker打包環(huán)境 41
2.3.1　Docker簡述 42
2.3.2　Docker架構 43
2.3.3　Docker基礎使用和示例 45
2.3.4　打包示例 46
2.4　標準化在數(shù)據(jù)科學項目中的意義 48
2.5　數(shù)據(jù)科學項目工程環(huán)境 49
2.5.1　開發(fā)鏡像 50
2.5.2　項目工程模板 51
2.5.3　操作演示 54
2.6　本章小結 55
第3章　實驗數(shù)據(jù)準備 56
3.1　常用數(shù)據(jù)分布 56
3.1.1　伯努利分布 58
3.1.2　二項分布 58
3.1.3　泊松分布 58
3.1.4　均勻分布 59
3.1.5　正態(tài)分布 59
3.1.6　指數(shù)分布 60
3.2　開源數(shù)據(jù)集 62
3.2.1　開源數(shù)據(jù)集介紹 62
3.2.2　scikit-learn中的數(shù)據(jù)集 63
3.3　scikit-learn數(shù)據(jù)集生成接口 66
3.3.1　常用接口 66
3.3.2　分類模型隨機數(shù)據(jù)生成 67
3.3.3　回歸模型隨機數(shù)據(jù)生成 68
3.3.4　聚類模型隨機數(shù)據(jù)生成 69
3.4　隨機數(shù)生成簡介 70
3.4.1　隨機數(shù)生成的原理和概念 71
3.4.2　隨機數(shù)生成示例 72
3.4.3　隨機數(shù)應用場景介紹 72
3.5　本章小結 73
第二部分　機器學習基礎篇
第4章　機器學習項目流程與核心概念 76
4.1　機器學習項目流程 76
4.1.1　如何定義Y 78
4.1.2　如何取樣X 81
4.1.3　如何劃分數(shù)據(jù)集 83
4.1.4　如何選擇學習算法 84
4.1.5　數(shù)據(jù)分析和處理 85
4.1.6　特征工程 87
4.1.7　模型訓練與調參 88
4.1.8　模型評估與報告 89
4.1.9　模型部署 91
4.1.10　模型監(jiān)控 91
4.1.11　模型重訓或重建 92
4.2　機器學習算法8個核心概念 92
4.2.1　損失函數(shù)和正則化 92
4.2.2　欠擬合與過擬合、偏差與方差 98
4.2.3　交叉驗證 101
4.2.4　數(shù)據(jù)泄露 104
4.3　本章小結 106
第5章　數(shù)據(jù)分析與處理 107
5.1　變量的類型 107
5.2　常用分析方法 108
5.2.1　整體數(shù)據(jù)概覽 109
5.2.2　單變量可視化分析 110
5.2.3　雙變量可視化分析 113
5.2.4　多變量可視化分析 118
5.3　缺失值分析與處理 120
5.3.1　數(shù)據(jù)缺失的類型 120
5.3.2　查看缺失情況 120
5.3.3　缺失值處理方式 122
5.4　異常值分析與處理 126
5.4.1　查看異常情況 126
5.4.2　異常值處理 129
5.5　數(shù)據(jù)分析工具包開發(fā)實戰(zhàn) 129
5.5.1　核心功能 129
5.5.2　使用示例 130
5.5.3　核心代碼 131
5.6　本章小結 139
第三部分　特征篇
第6章　特征工程 142
6.1　特征工程簡介 142
6.2　特征處理基礎方法和實現(xiàn) 144
6.2.1　定量特征 146
6.2.2　序數(shù)特征 148
6.2.3　類別特征 149
6.2.4　WOE編碼 153
6.2.5　日期特征 155
6.3　特征離散化方法和實現(xiàn) 156
6.3.1　等寬和等頻離散法 158
6.3.2　信息熵分箱原理與實現(xiàn) 161
6.3.3　Best-KS分箱原理與實現(xiàn) 167
6.3.4　卡方分箱原理與實現(xiàn) 172
6.3.5　分箱效果 178
6.4　本章小結 178
第7章　基于Featuretools的自動特征衍生 180
7.1　特征衍生 180
7.2　Featuretools簡介 181
7.2.1　安裝 182
7.2.2　核心概念和接口介紹 182
7.3　Featuretools原理 186
7.3.1　特征綜合抽象 187
7.3.2　深度特征綜合算法 187
7.4　Featuretools實踐案例 189
7.4.1　流程 189
7.4.2　捷信數(shù)據(jù) 189
7.4.3　構建實體和實體集 191
7.4.4　構建關系 193
7.4.5　特征基元 196
7.4.6　深度特征合成 197
7.5　本章小結 198
第8章　特征選擇 199
8.1　特征選擇概述 199
8.1.1　特征選擇及其意義 200
8.1.2　業(yè)務層特征選擇 200
8.1.3　技術層特征選擇 201
8.2　特征選擇流程與模式 204
8.2.1　數(shù)據(jù)質量和特征質量 204
8.2.2　串聯(lián)和并聯(lián)流程 205
8.2.3　特征選擇結果評價 206
8.3　特征預測力指標 206
8.3.1　相關性指標 207
8.3.2　關聯(lián)性指標 208
8.4　過濾法與實現(xiàn) 211
8.4.1　常用單指標過濾法 211
8.4.2　相關性與IV雙指標過濾法 213
8.4.3　最小冗余最大相關 214
8.5　包裹法與實現(xiàn) 215
8.5.1　前向選擇實現(xiàn) 217
8.5.2　后向選擇實現(xiàn) 218
8.5.3　Stepwise實現(xiàn) 219
8.6　嵌入法與實現(xiàn) 222
8.6.1　基于隨機森林的特征選擇 222
8.6.2　基于正則的特征選擇 223
8.7　特征選擇工具包開發(fā)實戰(zhàn) 224
8.8　本章小結 230
第四部分　模型篇
第9章　線性模型 232
9.1　普通線性回歸模型 232
9.1.1　線性回歸 233
9.1.2　線性回歸的假設 236
9.1.3　線性模型如何解決非線性問題 236
9.2　廣義線性模型 238
9.2.1　建模方法論 238
9.2.2　示例 240
9.3　正則化的回歸 240
9.3.1　正則化原理 240
9.3.2　Lasso和Ridge回歸 241
9.3.3　正則化效果演示 241
9.4　邏輯回歸 247
9.4.1　模型原理 247
9.4.2　最大似然估計 249
9.4.3　LogisticRegression解析與示例 249
9.5　金融評分卡 252
9.5.1　評分卡簡介 252
9.5.2　加性原理 253
9.5.3　評分刻度與實現(xiàn) 254
9.6　解決共線性 257
9.7　本章小結 257
第10章　樹模型 259
10.1　樹結構 259
10.2　決策樹 260
10.3　決策樹算法 261
10.3.1　熵和基尼指數(shù) 261
10.3.2　ID3算法 263
10.3.3　C4.5算法 266
10.3.4　CART 267
10.4　樹的剪枝 269
10.4.1　預剪枝 269
10.4.2　后剪枝 269
10.5　特征處理 270
10.5.1　連續(xù)值處理 271
10.5.2　缺失值處理 271
10.6　決策樹實現(xiàn)示例 272
10.7　本章小結 275
第11章　集成模型 276
11.1　模型的可變組件 276
11.1.1　數(shù)據(jù)集之行列采樣 277
11.1.2　算法之同質和異質 277
11.2　層次化的集成方法 278
11.2.1　投票組合法 278
11.2.2　前向逐步疊加法 280
11.3　Bagging方法 281
11.3.1　Bootstrap和Aggregating 281
11.3.2　Bagging模型性能分析實驗 282
11.3.3　Bagging偏差和方差解析 286
11.3.4　隨機森林 289
11.4　Boosting方法 291
11.4.1　Boosting的原理與實現(xiàn)示例 291
11.4.2　Boosting建模解析示例 299
11.4.3　Boosting的集大成者：XGBoost 300
11.5　Stacking概述與實現(xiàn)示例 301
11.6　Super Learner與ML-Ensemble 304
11.6.1　Super Learner實現(xiàn)示例 305
11.6.2　ML-Ensemble集成庫 307
11.7　本章小結 312
第12章　模型調參 313
12.1　模型調參概述 313
12.1.1　調參問題定義 313
12.1.2　超參數(shù)和作弊的隨機種子 314
12.1.3　調參三要素 315
12.2　調參流程和方法 316
12.2.1　調參流程 316
12.2.2　超參選取策略和特定模型超參推薦 317
12.2.3　自動調參之元學習和代理模型 318
12.3　Model-Free方法 321
12.3.1　網(wǎng)格搜索 321
12.3.2　隨機搜索 323
12.4　XGBoost自動調參工具開發(fā)實戰(zhàn) 324
12.4.1　功能和易用性設計 324
12.4.2　使用示例 325
12.4.3　代碼清單 326
12.5　貝葉斯方法 333
12.5.1　貝葉斯優(yōu)化介紹 333
12.5.2　BayesianOptimization優(yōu)化實例 334
12.6　部分開源調參項目簡介 337
12.6.1　Ray-Tune 337
12.6.2　optuna 339
12.7　本章小結 341
第13章　模型性能評估 342
13.1　訓練誤差vs測試誤差 342
13.2　模型評估常見的數(shù)據(jù)切割方法 343
13.2.1　留出法 343
13.2.2　交叉驗證法 345
13.2.3　留一法 346
13.2.4　自助取樣法 347
13.3　性能度量 348
13.3.1　分類任務 348
13.3.2　回歸任務 357
13.4　本章小結 360
第14章　模型解釋 361
14.1　模型解釋概述 361
14.1.1　模型解釋的意義 362
14.1.2　局部和全局解釋 363
14.2　模型解釋可視化方法 364
14.2.1　PDP 364
14.2.2　ICE 370
14.3　解釋線性模型 371
14.4　解釋樹模型 372
14.4.1　樹模型特征的重要性 373
14.4.2　決策路徑 374
14.4.3　Treeinterpreter 375
14.5　模型無關解釋方法 378
14.5.1　特征重要性方法 378
14.5.2　代理模型：LIME 380
14.5.3　基于博弈論的SHAP 383
14.6　本章小結 390
第15章　模型上線之模型即服務 391
15.1　模型上線方案 391
15.1.1　是否提供獨立服務 392
15.1.2　是否提取模型細節(jié) 392
15.2　提取系數(shù)上線：回歸模型和評分卡 393
15.3　自動規(guī)則提取上線：決策樹示例 393
15.3.1　規(guī)則轉化為Python代碼 395
15.3.2　規(guī)則轉化為C/Java等代碼 396
15.3.3　規(guī)則轉化為SQL代碼 396
15.4　PMML和ONNX 398
15.4.1　PMML 398
15.4.2　ONNX 400
15.5　編譯為共享庫加速預測 401
15.5.1　Treelite原理 401
15.5.2　使用示例 402
15.5.3　部署方法 403
15.6　原生模型持久化 404
15.6.1　寫接口 405
15.6.2　讀接口 406
15.7　RESTful Web Services構建 406
15.7.1　快速構建API服務 407
15.7.2　自動化模型上線框架設計與實現(xiàn) 409
15.8　基于Docker大規(guī)模微服務上線架構 417
15.8.1　架構設計 417
15.8.2　定制鏡像 418
15.8.3　編排可擴展服務示例 419
15.9　本章小結 420
第16章　模型穩(wěn)定性監(jiān)控 421
16.1　背景和監(jiān)控方法 421
16.1.1　背景 421
16.1.2　監(jiān)控方法 422
16.2　PSI和CSI 423
16.2.1　PSI 423
16.2.2　CSI 425
16.3　工程實現(xiàn) 425
16.3.1　功能簡介 426
16.3.2　代碼清單和示例 426
16.4　其他監(jiān)控角度 429
16.5　監(jiān)控異常處理方案 430
16.6　本章小結 430