第1章 常用机器学习平台. 11.1　常用机器学习工具11.2　TI-ONE 平台概述31.3　PySpark 介绍41.4　TI-ONE 机器学习平台主要的组件51.4.1　数据源组件　51.4.2　机器学习组件　61.4.3　输出组件101.4.4　模型评估组件　11第2章　银行信用卡风险的可视化分析.　122.1　Tableau 简介132.2　用户信用等级影响因素132.3　用户消费情况对信用等级的影响.192.4　用户拖欠情况对信用等级的影响.242.5　欺诈用户特征分析27第3章　贷款违约行为预测.　313.1　建立信用评估模型的必要性313.2　数据准备与预处理323.2.1　原始数据集　333.2.2　基础表数据预处理　363.2.3　多表合并403.3　模型选择.423.3.1　带正则项的Logistic 回归模型　423.3.2　朴素贝叶斯模型　423.3.3　随机森林模型　423.3.4　SVM 模型　433.4　TI-ONE 整体流程433.4.1　登录TI-ONE　443.4.2　输入工作流名称　443.4.3　上传数据　453.4.4　数据预处理　463.4.5　拆分出验证集　503.4.6　拆分出测试集　513.4.7　模型训练和评估　51第4章　保险风险预测.614.1　背景介绍　614.2　数据预处理634.2.1　数据加载与预览　634.2.2　缺失值处理　644.2.3　属性值的合并与连接　654.2.4　数据转换　664.2.5　数据标准化和归一化　674.3　多维分析.674.4　基于神经网络模型预测保险风险.704.5　使用SVM 预测保险风险.74第5章　银行客户流失预测　805.1　问题描述　805.2　数据上传.825.3　数据预处理835.3.1　非数值特征处理　835.3.2　数据离散化处理　835.3.3　数据筛选　855.3.4　数据格式转化　865.3.5　数据分割　875.4　数据建模　885.5　模型校验评估　915.5.1　二分类算法评估　915.5.2　ROC 曲线绘制.　925.5.3　决策树参数优化　945.5.4　k 折交叉验证.　955.6　工作流的运行.955.7　算法性能比较.98第6章　基于深度神经网络的股票预测　1006.1　股票趋势预测的背景和分析思路1006.2　数据提取.1036.3　数据预处理1036.3.1　数据归一化1036.3.2　加窗处理1046.3.3　分割数据集1066.3.4　标签独热编码转化1066.4　模型训练.1066.5　算法评估.1106.6　算法比较.111第7章　保险产品推荐1197.1　保险产品推荐的流程.1207.2　数据提取.1217.2.1　上传原始文件　1217.2.2　读取训练集和检验集　1227.3　数据预处理1247.3.1　去重和合并数据集1247.3.2　缺失值处理　1257.3.3　特征选择　1267.3.4　类型变量独热编码　1277.3.5　数值变量规范化　1277.3.6　生成训练集和检验集　1287.4　构建保险预测模型1297.5　模型评估.131第8章　零售商品销售预测.　1338.1　问题分析.1338.2　数据探索.1358.2.1　上传原始数据　1358.2.2　数据质量评估　1368.3　数据预处理1398.3.1　填补缺失值　1398.3.2　修正异常值　1408.3.3　衍生字段　1418.3.4　类型变量数值化和独热编码化　1428.3.5　数据导出　1438.4　建立销售量预测模型.1438.4.1　线性回归模型　1448.4.2　Ridge 回归模型.　1458.4.3　Lasso 回归模型.　1458.4.4　Elastic Net 回归模型.　1468.4.5　决策树回归模型　1468.4.6　梯度提升树回归模型　1478.4.7　随机森林回归模型　1488.5　模型评估.148第9章　汽车备件销售预测.　1519.1　数据理解.1519.2　数据分析流程.1529.2.1　设置数据源　1529.2.2　数据预处理　1559.2.3　建模分析与评估　1589.3　聚类分析.162第10章　火力发电厂工业蒸汽量预测.16610.1　确定业务问题.16610.2　数据理解.16610.3　工业蒸汽量的预测建模过程16710.3.1　设置数据源　16810.3.2　数据预处理　16810.3.3　建模分析与评估　172第11章　图片风格转化.17911.1　CycleGAN 原理.18011.2　图片风格转化整体流程18211.2.1　设置数据源　18311.2.2　数据预处理18411.2.3　模型训练　18611.2.4　验证模型参数以及测试集　19311.2.5　模型测试——转化图片风格19411.3　运行工作流19511.4　算法比较.19811.4.1　CycleGAN 与pix2pix 模型.　19811.4.2　CycleGAN 与DistanceGAN 模型　19811.5　使用TensorFlow 实现图片风格转化.199第12章　人类活动识别.20612.1　问题分析.20612.2　数据探索.20712.3　数据预处理20912.4　模型构建.21012.5　模型评估.214第13章　GRU 算法在基于Session 的推荐系统的应用　22113.1　问题分析.22113.2　数据探索与预处理22213.2.1　数据变换　22313.2.2　数据过滤　22313.2.3　数据分割　22313.2.4　格式转换22413.3　构建GRU 模型22513.3.1　GRU 概述　22513.3.2　构建GRU 推荐模型.　22613.4　模型评估.229第14章　人脸老化预测　23314.1　问题分析与数据集简介23314.2　图片编码与GAN 设计.23414.3　模型实现.23514.4　实验分析.236第15章　出租车轨迹数据分析　24315.1　数据获取.24415.2　数据预处理24615.3　数据分析.25215.3.1　出租车区域推荐以及交通管理建议　25215.3.2　城市规划建议　257第16章　城市声音分类.26116.1　数据准备与探索26116.2　数据特征提取.26816.3　构建城市声音分类模型27116.3.1　使用MLP 训练声音分类模型　27116.3.2　使用LSTM 与GRU 网络训练声音分类模型.　27316.3.3　使用CNN 训练声音分类模型　27416.4　声音分类模型评估27516.4.1　MLP 网络性能评估　27516.4.2　LSTM 与GRU 网络性能评估.　27616.4.3　CNN 性能评估　277后记　数据分析技能培养　279参考文献.　282