美团机器学习实践 PDF 电子书

蒲钧伟

Java电子书：美团机器学习实践 格式 pdf 电子书 PDF 电子书 Java吧 java8.com


4 _+ j6 C, f! h$ I编号：mudaima-P0236【Java吧 java8.com】
! |9 g- u" A" L" U+ E0 S# p2 n5 _- y


) S( y# ^: m3 ^# W0 uJava电子书目录：第　一部分 通用流程
7 O7 [% N: d4 r! h5 m0 [4 T/ `第　1章 问题建模　2
! g% }' ^2 B1 A1.1　评估指标　3
1.1.1　分类指标　4
: M; {/ P8 {4 `/ s1.1.2　回归指标　7
1.1.3　排序指标　9
  w: g  y( p+ D, B9 X1.2　样本选择　10
1.2.1　数据去噪　11
1.2.2　采样　12
. \; F- ~. [- E8 j8 F6 T1.2.3　原型选择和训练集选择　13
8 k& P1 |% [2 V& \; w1.3　交叉验证　14
1.3.1　留出法　14
, k$ [; t7 n& {6 e1.3.2　K折交叉验证　15
1.3.3　自助法　16
8 b8 x6 s2 v. T. J! h- R* T" Q3 k# E参考文献　17
/ T: S5 x3 O+ B+ g3 q, t  u第　2章 特征工程　18
2.1　特征提取　18
2.1.1　探索性数据分析　19
2.1.2　数值特征　20
2.1.3　类别特征　22
) x' P  H3 ~$ Y" N8 l, G, o& u2.1.4　时间特征　24
2.1.5　空间特征　25
2.1.6　文本特征　25
2.2　特征选择　27
: @4 @6 L2 R/ `& O4 f+ ?5 a9 h" {7 W5 K2.2.1　过滤方法　28
2.2.2　封装方法　31
6 D9 u# h, m/ ~# r1 v2.2.3　嵌入方法　31
2.2.4　小结　32
2.2.5　工具介绍　33
! R! w4 N! e9 B$ G" K参考文献　33
第3章　常用模型　35
3.1　逻辑回归　35
% h7 X  M$ N* u4 {6 t- R+ i$ i3.1.1　逻辑回归原理　35
; ^9 R7 |# a* f4 F) M' v& b; v$ x) y3.1.2　逻辑回归应用　38
3.2　场感知因子分解机　39
3.2.1　因子分解机原理　39
( G! d, i2 c' `5 N. @$ w3.2.2　场感知因子分解机原理　40
3.2.3　场感知因子分解机的应用　41
" p+ [( h6 _: _% O! @3.3　梯度提升树　42
3.3.1　梯度提升树原理　42
+ f1 j6 h: {3 l5 |! s+ y1 J3.3.2　梯度提升树的应用　44
6 C6 I% ~  Y  k' q# @参考文献　44
% H& k4 O$ J" D4 l3 S第4章　模型融合　45
4.1　理论分析　46
4.1.1　融合收益　46
4.1.2　模型误差 分歧分解　46
+ v% Q( N; B" ?+ I3 S: Q. ~4.1.3　模型多样性度量　48
4.1.4　多样性增强　49
4.2　融合方法　50
, z% w2 e) S3 n, U+ H* J7 B4 B9 u, Q2 x4.2.1　平均法　50
. L. Z2 p0 u8 i" \% `1 ^5 c9 L, P4.2.2　投票法　52
+ a1 h2 e, W0 f  o' \; k$ n- c4.2.3　Bagging　54
0 v( [2 N0 J$ ^) b4.2.4　Stacking　55
4.2.5　小结　56
参考文献　57
第二部分　数据挖掘
第5章　用户画像　60
5.1　什么是用户画像　60
5.2　用户画像数据挖掘　63
5.2.1　画像数据挖掘整体架构　63
5.2.2　用户标识　65
+ Y  ^# k4 B, C& E8 [8 r5.2.3　特征数据　67
5.2.4　样本数据　68
: }" q1 L' d+ F( }* y5.2.5　标签建模　69
" X8 g; ~1 _3 A% K5.3　用户画像应用　83
  c' M( _! L5 Y* z5.3.1　用户画像实时查询系统　83
5.3.2　人群画像分析系统　87
5.3.3　其他系统　90
5.3.4　线上应用效果　91
6 X$ i) G, T; F4 }2 l5.4　小结　91
参考文献　91
第6章　POI实体链接　92
* ^/ b$ }9 m' \$ n8 S6 t5 U3 G+ ?4 M6.1　问题的背景与难点　92
6.2　国内酒店POI实体链接解决方案　94
3 O+ t4 `2 f: ~9 x' s6.2.1　酒店POI实体链接　94
) J; R7 s$ D! p/ g8 t/ W$ x( X$ b6.2.2　数据清洗　96
+ a! D8 U% P! k2 z' u, x# L6.2.3　特征生成　97
! M0 }3 Z9 G2 H& ?" w% X# u2 _6.2.4　模型选择与效果评估　100
6.2.5　索引粒度的配置　101
6.3　其他场景的策略调整　101
6.4　小结　103
5 Z3 v4 o( w& c" o! j: ~5 t, v第7章　评论挖掘　104
7.1　评论挖掘的背景　104
9 k, r7 h3 I% b, e7.1.1　评论挖掘的粒度　105
7.1.2　评论挖掘的维度　105
- F! X' ^+ P5 O$ ]# _7 _4 t7.1.3　评论挖掘的整合思考　106
7.2　评论标签提取　106
- |1 l7 {9 r9 C! \; u7.2.1　数据的获取及预处理　107
6 b$ H3 q" Z4 [* T7.2.2　无监督的标签提取方法　109
7.2.3　基于深度学习的标签提取方法　111
6 i" s0 `. A7 j5 D7.3　标签情感分析　113
7.3.1　评论标签情感分析的特殊性　113
7.3.2　基于深度学习的情感分析方法　115
, c) [# X1 t3 [7.3.3　评论标签情感分析的后续优 化与思考　118
7.4　评论挖掘的未来应用及实践　119
# Z" Q, Q) d; W4 `8 A7.5　小结　119
参考文献　119
1 G6 `8 s! d4 x8 y) Z; @3 C7 A第三部分　搜索和推荐
第8章　O2O场景下的查询理解与 用户引导　122
+ b3 i/ h# b$ ^8.1　现代搜索引擎原理　123
  ~$ |# l7 M; E" G8.2　精确理解查询　124
3 l8 D+ o1 p6 X+ f8.2.1　用户查询意图的定义与识别　125
8.2.2　查询实体识别与结构化　129
8.2.3　召回策略的变迁　130
- j4 i( M2 Y$ i* x' A8.2.4　查询改写　131
+ I/ W& Z: c' Z& x/ W6 L8.2.5　词权重与相关性计算　134
8.2.6　类目相关性与人工标注　135
8 c. u# k: a0 `; h2 @9 D9 T8.2.7　查询理解小结　136
# \+ x+ y' F" ^- T/ [8.3　引导用户完成搜索　137
' ?4 h, o3 o! M1 ^8.3.1　用户引导的产品定义与衡量 标准　137
1 N, U  L9 Z9 x3 U1 p" j) K8.3.2　搜索前的引导——查询词 推荐　140
' d0 R* d4 E+ N: ^8.3.3　搜索中的引导——查询补全　143
8.3.4　搜索后的引导——相关搜索　145
8.3.5　效率提升与效果提升　145
+ o& V9 l) @0 D7 X) C* I5 r8.3.6　用户引导小结　149
6 J; x5 ]' D0 A& E4 v. D: O7 Z8.4　小结　149
2 Y" f! k8 B4 w. M* V: Q* J( S- w参考文献　150
% E+ G( }8 F* y, d+ [6 L% @% ~第9章　O2O场景下排序的特点　152
9.1　系统概述　154
  r* h. [3 ?* h. k6 f3 |. L; X6 T9.2　在线排序服务　154
. a* j3 q& l+ x+ H; Q) A9.3　多层正交A/B测试　155
9.4　特征获取　155
) u+ _7 d2 b( s: r7 d5 E. k# P9.5　离线调研系统　156
9.6　特征工程　156
9.7　排序模型　157
) ?* h, w. ^' @+ N' _/ z6 s9.8　场景化排序　160
( v5 u9 f  [$ U/ ?6 C6 s9.9　小结　165
7 F3 B2 x7 X) l, H* g6 @第　10章 推荐在O2O场景的应用　166
10.1　典型的O2O推荐场景　166
10.2　O2O推荐场景特点　167
, X6 ^$ Z+ X$ F$ [% k  W10.2.1　O2O场景的地理位置因素　168
10.2.2　O2O场景的用户历史行为　168
3 m  h. }5 @! w10.2.3　O2O场景的实时推荐　169
, f- C' l7 W' z. u$ @10.3　美团推荐实践——推荐框架　169
10.4　美团推荐实践——推荐召回　170
10.4.1　基于协同过滤的召回　171
10.4.2　基于位置的召回　171
- I) R8 Q8 X- G10.4.3　基于搜索查询的召回　172
8 o, h  V, C, c6 `10.4.4　基于图的召回　172
10.4.5　基于实时用户行为的召回　172
10.4.6　替补策略　172
10.5　美团推荐实践——推荐排序　173
10.5.1　排序特征　173
10.5.2　排序样本　174
10.5.3　排序模型　175
10.6　推荐评价指标　176
1 n% q% A8 u# N* j参考文献　176
, S/ n# ^, Y% i4 c' c$ D  L第四部分　计算广告
' _' h4 A) i: y第　11章 O2O场景下的广告营销　178
11.1　O2O场景下的广告业务特点　178
7 {+ ~8 u) |" q4 |" S) m) y- `11.2　商户、用户和平台三者利益平衡　180
11.2.1　商户效果感知　180
11.2.2　用户体验　181
5 G1 w! e8 A. I' f+ }6 V+ }3 X11.2.3　平台收益　182
% ?3 C$ r- R: p0 V$ x3 J0 j11.3　O2O广告机制设计　183
11.3.1　广告位设定　183
; E5 m$ |1 e$ n6 Q" G9 B! ?1 a) h8 ]11.3.2　广告召回机制　183
11.3.3　广告排序机制　184
5 i6 g! K" Z2 ~. i& J$ \11.4　O2O推送广告　187
11.5　O2O广告系统工具　190
11.5.1　面向开发人员的系统工具　190
$ S) M$ f2 c; y$ }: x- v11.5.2　面向广告主和运营人员的 工具　192
5 t: g; b$ T4 O: I. q9 A" |4 I' d11.6　小结　194
参考文献　194
# f. ]% @# r2 ~9 x$ n9 X第　12章 用户偏好和损失建模　196
7 ^1 @6 D5 K9 y' X! `12.1　如何定义用户偏好　196
7 ~: A6 d- I% Q12.1.1　什么是用户偏好　196
12.1.2　如何衡量用户偏好　196
0 t7 [5 F3 ^& p5 r2 ^12.1.3　对不同POI 的偏好　197
12.1.4　用户对 POI 偏好的衡量　197
5 |, U* y; K( G9 E& t12.2　广告价值与偏好损失的兑换　198
5 q! m* z6 Y$ X3 i1 I12.2.1　优化目标　199
5 C. [2 C3 u9 T' X% h12.2.2　模型建模　199
+ ~. T& D. f$ o, r- a2 G8 X12.3　Pairwise 模型学习　201
12.3.1　GBRank　202
2 B* b- [1 w. c4 n( \+ m12.3.2　RankNet　204
1 I; M. F7 s8 y; h参考文献　205
第五部分　深度学习
3 J" W; j# W0 j# g- n$ u# O) U第　13章 深度学习概述　208
13.1　深度学习技术发展历程　209
) m- g; b3 w' d' i9 L7 R' `13.2　深度学习基础结构　211
13.3　深度学习研究热点　216
13.3.1　基于深度学习的生成式模型　216
13.3.2　深度强化学习　218
参考文献　219
第　14章 深度学习在文本领域的应用　220
14.1　基于深度学习的文本匹配　221
% P% q0 \5 l, [2 X' \3 `14.2　基于深度学习的排序模型　231
5 p, n3 d+ \# c5 A/ b+ L3 I14.2.1　排序模型简介　231
14.2.2　深度学习排序模型的演进　232
2 F  o) U- L0 G2 O8 h" ?/ Z- n( F14.2.3　美团的深度学习排序模型 尝试　235
* v6 F% ~+ u$ K6 Y  w14.3　小结　237
参考文献　237
8 H9 c* a8 S$ S" p) ~& n第　15章 深度学习在计算机视觉中的 应用　238
0 w- ^8 s7 S/ Q# p15.1　基于深度学习的OCR　238
( N/ t1 j+ @' z- w  ~4 p; g( o" A$ B15.1.1　OCR技术发展历程　239
15.1.2　基于深度学习的文字检测　244
. B8 P  g( _5 D. Z9 Y8 E' T7 d5 {15.1.3　基于序列学习的文字识别　248
( z% y$ j3 M  B5 I$ G* J15.1.4　小结　251
; `+ v1 b9 ]9 E6 D( o( O! _* L15.2　基于深度学习的图像智能审核　251
15.2.1　基于深度学习的水印检测　252
* L8 N% L0 y# w2 I15.2.2　明星脸识别　254
* @% u; ^0 x# X; C. s; {- z15.2.3　色情图片检测　257
2 E. p. Q8 C: k& ?  f: Q7 U15.2.4　场景分类　257
" L7 k( O# T* f8 ]: {15.3　基于深度学习的图像质量排序　259
15.3.1　图像美学质量评价　260
# e0 V# F, M; t. B/ F15.3.2　面向点击预测的图像质量 评价　260
15.4　小结　263
; c7 _8 p9 c0 w1 _, L9 L+ Z% j参考文献　264
第六部分　算法工程
第　16章 大规模机器学习　268
+ Q3 Q# u# w, `. L2 M1 w' ?' L16.1　并行计算编程技术　268
16.1.1　向量化　269
16.1.2　多核并行OpenMP　270
16.1.3　GPU编程　272
+ }; h5 X* N9 W% F9 M9 b* e6 S16.1.4　多机并行MPI　273
9 f2 t9 G- M: U" a* ]" q16.1.5　并行编程技术小结　276
16.2　并行计算模型　276
1 b. b) u# Z4 e3 F/ b* p5 W% N16.2.1　BSP　277
9 N6 b2 v% I; R8 ]' v0 |16.2.2　SSP　279
7 k; J3 G- J& m; ?) M6 C1 Y16.2.3　ASP　280
16.2.4　参数服务器　281
+ `8 N, @8 O# c9 t1 f" y16.3　并行计算案例　284
16.3.1　XGBoost并行库Rabit　284
' z3 Y0 F( n9 H$ R  R16.3.2　MXNet并行库PS-Lite　286
16.4　美团并行计算机器学习平台　287
参考文献　289
8 A# @' D& E9 i/ U+ ~' x8 Z! t第　17章 特征工程和实验平台　290
4 j! R; _) Q% ^, z% O, y17.1　特征平台　290
7 J! B) `; ?3 {) F: @17.1.1　特征生产　290
17.1.2　特征上线　293
17.1.3　在线特征监控　301
17.2　实验管理平台　302
17.2.1　实验平台概述　302
17.2.2　美团实验平台——Gemini　304
  B- H& R. K9 @% u百度云盘下载地址(完全免费-绝无套路)：

游客，如果您要查看本帖隐藏内容请回复

" d4 p( [' o% ~* v" A- k! u

卿宝

不错不错，下载到了

让面条飞一会

我又来了 白漂开始

张国利

资源很新 好好好

立维创作

以后学java 就靠java吧了

鉴秋

真的免费下载 难得

凌源八间房废钢回收

我又来了 白漂开始

小天马

资料免费 给力

易道

免费资源 真的无套路

凌源八间房废钢回收

良心网站，力挺