思维导图备注

人工智能原理与实践
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

2.4 多分类模型的评价方法

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2025-03-25 07:32:24
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 封面
  • 内容简介
  • 前言
  • 第1章 人工智能应用场景——金融风控
  • 1.1 反欺诈与信用评估
  • 1.2 信用评估模型介绍
  • 1.3 客户营销与风控管理
  • 1.4 建模中的拒绝推断
  • 1.5 评分卡模型
  • 第2章 人工智能中的机器学习和模型评价
  • 2.1 机器学习预测结果推广性理论
  • 2.2 机器学习问题的分类
  • 2.3 二分类模型的评价方法
  • 2.4 多分类模型的评价方法
  • 2.5 回归模型的评价方法
  • 第3章 机器学习建模重要步骤
  • 3.1 数据收集
  • 3.2 数据清洗转换和预处理
  • 3.3 特征工程
  • 3.4 模型的选择和建立
  • 3.5 模型的监控
  • 第4章 机器学习常用算法原理
  • 4.1 回归算法
  • 4.2 梯度下降优化
  • 4.3 朴素贝叶斯、支持向量机和决策树算法
  • 4.4 集成算法、随机森林算法和梯度增强机算法
  • 4.5 无监督学习算法
  • 4.6 神经网络算法
  • 第5章 深度学习和强化学习
  • 5.1 深度学习算法
  • 5.2 强化学习算法
  • 第6章 机器学习和最优化
  • 6.1 最优化理论和机器学习的关系
  • 6.2 最优化理论的分类和理解
  • 6.3 机器学习算法中最优化应用
  • 第7章 自然语言处理算法原理
  • 7.1 文本数据处理和NLP基础
  • 7.2 机器学习算法在NLP中的应用
  • 7.3 深度学习在NLP中的应用
  • 第8章 信用卡客户细分
  • 8.1 EDA探索性数据分析
  • 8.2 数据预处理和特征工程
  • 8.3 K-Means聚类建模和分组个数选择
  • 8.4 建模结果可视化和分析
  • 第9章 保险公司时间序列生活事件预测
  • 9.1 朴素贝叶斯算法和马尔可夫链算法应用
  • 9.2 时间序列特征工程和梯度增强机算法
  • 9.3 深度学习算法的应用
  • 第10章 电商网站交易欺诈预测
  • 10.1 EDA探索性数据分析
  • 10.2 模型选择
  • 10.3 数据特征工程
  • 10.4 模型结果讨论
  • 第11章 信用卡和信用贷款风险预测
  • 11.1 信用卡客户风险预测和管理
  • 11.2 个人信用分期贷款风险预测
  • 第12章 美国旧金山房屋成交价格预测
  • 12.1 EDA探索性数据分析和特征工程
  • 12.2 房屋价格预测建模和验证
  • 第13章 股票短期回报率预测
  • 13.1 EDA探索性数据分析
  • 13.2 数据预处理和特征工程
  • 13.3 短期回报率预测模型
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《人工智能原理与实践》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度