智能决策模型实战案例集
📚 共计 30 章节
01
决策模型概述
什么是智能决策模型 · 发展历程 · 核心应用场景与价值
基础
认知
02
数据预处理实战
数据清洗 · 缺失值处理 · 异常值检测 · 特征工程基础
清洗
特征工程
03
线性回归与预测
一元/多元线性回归 · MSE/R² · 实战:房价预测
回归
预测
04
逻辑回归与分类
Sigmoid函数 · 逻辑回归原理 · 多分类 · 信用评分卡
分类
评分卡
05
决策树与随机森林
信息增益 · 基尼系数 · 剪枝 · 随机森林 · 客户流失预测
树模型
集成
06
支持向量机 (SVM)
最大间隔 · 核函数 · 软间隔 · 文本分类实战
SVM
核技巧
07
K近邻算法 (KNN)
距离度量 · K值选择 · KD树 · 手写数字识别
KNN
非参数
08
朴素贝叶斯
贝叶斯定理 · 条件独立性 · 拉普拉斯平滑 · 垃圾邮件过滤
贝叶斯
文本
09
K-Means聚类
聚类原理 · 肘部法 · 初始质心 · 用户分群实战
聚类
无监督
10
层次聚类与DBSCAN
凝聚层次 · 密度聚类 · 参数调优 · 地理空间聚类
层次
DBSCAN
11
主成分分析 (PCA)
降维原理 · 协方差矩阵 · 特征值分解 · 图像压缩
降维
PCA
12
关联规则挖掘
Apriori · 支持度/置信度 · 提升度 · 购物篮分析
关联
Apriori
13
时间序列预测
平稳性检验 · ARIMA · 季节性分解 · 股票价格预测
时序
ARIMA
14
集成学习 (Boosting)
AdaBoost · GBDT · XGBoost · 广告点击率预测
Boosting
XGBoost
15
神经网络入门
感知机 · 激活函数 · 前/反向传播 · 手写数字识别(MLP)
NN
MLP
16
深度学习基础
CNN原理 · 池化层 · LeNet · 图像分类实战
CNN
深度学习
17
循环神经网络 (RNN)
序列建模 · LSTM/GRU · 梯度消失 · 情感分析
RNN
LSTM
18
强化学习入门
马尔可夫决策 · Q-Learning · ε-贪心 · 游戏AI
强化学习
Q-Learning
19
模型评估与调优
交叉验证 · 网格搜索 · 学习曲线 · 过/欠拟合诊断
调优
评估
20
特征选择方法
过滤法 · 包裹法 · 嵌入法 · 高维数据特征筛选
特征选择
降维
21
不平衡数据处理
SMOTE · 欠采样 · 代价敏感学习 · 欺诈检测
不平衡
SMOTE
22
模型解释性
SHAP · LIME · 特征重要性 · 信用模型解释
可解释
SHAP
23
推荐系统实战
协同过滤 · 矩阵分解 · 基于内容 · 电影推荐
推荐
协同过滤
24
自然语言处理基础
词袋模型 · TF-IDF · Word2Vec · 新闻分类
NLP
Word2Vec
25
图神经网络入门
GCN · GAT · 社交网络分析实战
GNN
图网络
26
自动机器学习 (AutoML)
超参数优化 · 神经架构搜索 · AutoML框架 · 自动化建模
AutoML
自动化
27
模型部署与MLOps
模型序列化 · Flask API · Docker · 在线预测服务
部署
MLOps
28
联邦学习基础
隐私保护 · 横向/纵向联邦 · 安全聚合 · 医疗联合建模
联邦学习
隐私
29
因果推断入门
因果图 · 潜在结果 · 倾向性得分匹配 · 营销效果评估
因果
推断
30
综合实战项目
端到端决策系统 · 多模型融合 · 项目总结与展望
实战
综合