機(jī)器學(xué)習(xí)基礎(chǔ)與實(shí)踐

理實(shí)一體

通過理論與實(shí)踐相結(jié)合構(gòu)建知識(shí)體系，將理論轉(zhuǎn)化為實(shí)操能力，培養(yǎng)解決實(shí)際問題的本領(lǐng)，為深入探索機(jī)器學(xué)習(xí)打下堅(jiān)實(shí)基礎(chǔ)。

突出應(yīng)用

突出機(jī)器學(xué)習(xí)技術(shù)的實(shí)際應(yīng)用價(jià)值，精選綜合案例全方位展現(xiàn)其解決現(xiàn)實(shí)問題的能力，培養(yǎng)用科技解決實(shí)際問題、服務(wù)社會(huì)的能力，增強(qiáng)對(duì)機(jī)器學(xué)習(xí)技術(shù)應(yīng)用價(jià)值的認(rèn)識(shí)和理解。

系統(tǒng)全面

打造系統(tǒng)全面的知識(shí)架構(gòu)，覆蓋機(jī)器學(xué)習(xí)全領(lǐng)域，培養(yǎng)系統(tǒng)思考與解決問題能力，為深入研究和職業(yè)發(fā)展提供堅(jiān)實(shí)的知識(shí)支撐。

在當(dāng)今全球數(shù)字化浪潮的推動(dòng)下，機(jī)器學(xué)習(xí)作為人工智能的關(guān)鍵技術(shù)，深刻地影響和重塑人類社會(huì)的各領(lǐng)域。從智能語音助手的精確識(shí)別到醫(yī)療影像診斷的精準(zhǔn)輔助，再到機(jī)器人技術(shù)的創(chuàng)新應(yīng)用和數(shù)據(jù)挖掘與預(yù)測的廣泛應(yīng)用，機(jī)器學(xué)習(xí)的應(yīng)用無處不在。其卓越的數(shù)據(jù)處理與模式識(shí)別能力，不僅為解決復(fù)雜問題提供了全新的視角和方法，也為各行業(yè)的創(chuàng)新和發(fā)展帶來了前所未有的機(jī)遇。本書旨在系統(tǒng)地闡述機(jī)器學(xué)習(xí)的基本理論、關(guān)鍵技術(shù)及其實(shí)際應(yīng)用，幫助讀者構(gòu)建堅(jiān)實(shí)的知識(shí)框架，培養(yǎng)解決實(shí)際問題的能力。同時(shí)，本書提供了一條系統(tǒng)、全面且深入的學(xué)習(xí)路徑，讀者能夠全方位地掌握機(jī)器學(xué)習(xí)的知識(shí)與技能。

本書特色

（1）理實(shí)一體。本書通過理論與實(shí)踐結(jié)合，構(gòu)建知識(shí)體系。從基本概念出發(fā)，深入剖析機(jī)器學(xué)習(xí)在各領(lǐng)域的應(yīng)用，精準(zhǔn)闡釋數(shù)據(jù)、模型、算法三要素的聯(lián)系，清晰界定人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的層級(jí)關(guān)系，為實(shí)踐筑牢理論根基。同時(shí)，結(jié)合Python編程，通過大量實(shí)例代碼展示利用機(jī)器學(xué)習(xí)庫實(shí)現(xiàn)算法，從數(shù)據(jù)預(yù)處理到模型評(píng)估，每步都有清晰注釋，幫助讀者快速上手，將理論轉(zhuǎn)化為實(shí)踐能力，培養(yǎng)解決實(shí)際問題的本領(lǐng)，為深入探索機(jī)器學(xué)習(xí)打下堅(jiān)實(shí)的基礎(chǔ)。

（2）突出應(yīng)用。本書突出機(jī)器學(xué)習(xí)技術(shù)的實(shí)際應(yīng)用價(jià)值，精選綜合案例全方位展現(xiàn)其解決現(xiàn)實(shí)問題的能力。在醫(yī)療保險(xiǎn)欺詐分析案例中，從目標(biāo)分析、數(shù)據(jù)準(zhǔn)備、特征工程、模型訓(xùn)練到性能度量，展示了機(jī)器學(xué)習(xí)在反欺詐中的應(yīng)用流程。異常血糖預(yù)測案例介紹了數(shù)據(jù)導(dǎo)入、特征篩選、模型訓(xùn)練與性能評(píng)估，幫助讀者學(xué)會(huì)利用機(jī)器學(xué)習(xí)分析醫(yī)療健康數(shù)據(jù)，支持個(gè)性化醫(yī)療方案，體現(xiàn)了科技助力醫(yī)療、服務(wù)民生的宗旨。這些案例使讀者能夠在不同場景下領(lǐng)略機(jī)器學(xué)習(xí)的創(chuàng)新應(yīng)用，拓寬思維邊界，培養(yǎng)其用科技解決實(shí)際問題、服務(wù)社會(huì)的能力，增強(qiáng)其對(duì)機(jī)器學(xué)習(xí)技術(shù)應(yīng)用價(jià)值的認(rèn)識(shí)和理解。

（3）系統(tǒng)全面。本書打造系統(tǒng)、全面的知識(shí)架構(gòu)，覆蓋機(jī)器學(xué)習(xí)全領(lǐng)域，不僅包含傳統(tǒng)算法，還深入前沿神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)架構(gòu)，緊跟領(lǐng)域的最新發(fā)展。書中詳述模型評(píng)估指標(biāo)體系，精準(zhǔn)度量性能；剖析模型復(fù)雜度度量的關(guān)鍵維度，助力優(yōu)化構(gòu)建；系統(tǒng)梳理模型獲取與改進(jìn)流程，從數(shù)據(jù)集劃分到訓(xùn)練優(yōu)化，全方位呈現(xiàn)通用流程，使讀者清晰掌握各環(huán)節(jié)，能在實(shí)際項(xiàng)目中有序推進(jìn)工作。這種系統(tǒng)性安排幫助讀者建立全面認(rèn)識(shí)，培養(yǎng)系統(tǒng)思考與解決問題能力，為深入研究和職業(yè)發(fā)展提供堅(jiān)實(shí)的知識(shí)支撐。

本書內(nèi)容

第1章　機(jī)器學(xué)習(xí)基礎(chǔ)。本章是全書的開篇，為讀者介紹了機(jī)器學(xué)習(xí)的基本概念、應(yīng)用領(lǐng)域、分類方法和常見術(shù)語，詳細(xì)闡述了機(jī)器學(xué)習(xí)的三要素—數(shù)據(jù)、模型和算法，并探討了人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的關(guān)系，還介紹了機(jī)器學(xué)習(xí)開發(fā)環(huán)境的構(gòu)建和Python機(jī)器學(xué)習(xí)工具庫的使用，為讀者后續(xù)的學(xué)習(xí)打下堅(jiān)實(shí)的基礎(chǔ)。本章的核心在于幫助讀者建立起對(duì)機(jī)器學(xué)習(xí)的全面認(rèn)識(shí)，理解其在現(xiàn)代科技中的重要地位和廣泛應(yīng)用，同時(shí)掌握開展機(jī)器學(xué)習(xí)實(shí)踐所需的基本工具和環(huán)境。

第2章　機(jī)器學(xué)習(xí)工程實(shí)踐。本章聚焦機(jī)器學(xué)習(xí)工程中的關(guān)鍵環(huán)節(jié)，首先介紹了模型評(píng)估指標(biāo)體系，包括回歸模型、分類模型和聚類模型的評(píng)估指標(biāo)；然后深入探討了模型復(fù)雜度度量的關(guān)鍵維度，如偏差與方差、擬合與正則化；接著系統(tǒng)梳理了模型獲取與改進(jìn)的流程，從訓(xùn)練集、驗(yàn)證集和測試集的劃分到訓(xùn)練過程的優(yōu)化，全方位呈現(xiàn)了機(jī)器學(xué)習(xí)通用流程。本章的核心在于讓讀者掌握機(jī)器學(xué)習(xí)工程中的關(guān)鍵技術(shù)和方法，能夠有效評(píng)估和優(yōu)化模型，確保模型在實(shí)際應(yīng)用中的可靠性和準(zhǔn)確性。

第3章　回歸算法與應(yīng)用。本章全面闡述了回歸算法的理論基礎(chǔ)及其在實(shí)際中的應(yīng)用。首先詳細(xì)講解了線性回歸的原理，并通過一個(gè)基于線性回歸的糖尿病預(yù)測案例展示了該算法在實(shí)際問題中的應(yīng)用；然后介紹了邏輯回歸的原理，并通過另一個(gè)基于邏輯回歸的乳腺癌預(yù)測案例深入探討了邏輯回歸在二分類問題中的強(qiáng)大能力。本章旨在幫助讀者掌握回歸算法的基本原理和應(yīng)用方法，使其有效運(yùn)用回歸算法來解決實(shí)際問題中的預(yù)測和分類任務(wù)。

第4章　分類算法與應(yīng)用。本章全面介紹了多種分類算法的理論基礎(chǔ)及其實(shí)際應(yīng)用。首先深入探討了支持向量機(jī)的原理，并通過一個(gè)基于支持向量機(jī)的葡萄酒分類案例，展示了該算法在處理多分類問題時(shí)的效能；然后轉(zhuǎn)向決策樹算法，不僅解釋了其工作原理，還通過另一個(gè)葡萄酒分類的實(shí)例強(qiáng)調(diào)了決策樹在分類任務(wù)中的直觀性和強(qiáng)大的解釋能力；此外，還詳細(xì)講解了K近鄰算法和樸素貝葉斯算法的基本概念，并通過鳶尾花分類的經(jīng)典案例展示了這些算法在解決基礎(chǔ)分類問題時(shí)的有效性和實(shí)用性。本章旨在讓讀者充分理解和掌握各分類算法的特點(diǎn)及適用場景，從而能夠在實(shí)際問題中靈活選擇合適的算法構(gòu)建模型和預(yù)測分析。

第5章　聚類算法與應(yīng)用。本章詳細(xì)介紹了聚類算法的原理及其應(yīng)用。首先講解了k均值聚類的基本原理，并通過一個(gè)基于k均值的鳶尾花分類案例展示了該算法在數(shù)據(jù)分組和模式識(shí)別中的應(yīng)用；然后探討了密度聚類的原理，特別是DBSCAN算法，通過一個(gè)基于DBSCAN的鳶尾花分類案例展示了密度聚類在處理復(fù)雜形狀數(shù)據(jù)和噪聲數(shù)據(jù)方面的優(yōu)勢；此外，還介紹了層次聚類的原理，特別是AGNES算法，通過一個(gè)基于AGNES的鳶尾花分類案例展示了層次聚類在數(shù)據(jù)層次結(jié)構(gòu)分析和可視化方面的特點(diǎn)。本章的核心目標(biāo)是幫助讀者掌握聚類算法的基本原理和應(yīng)用方法，使其有效地利用聚類算法對(duì)數(shù)據(jù)分組和分析，從而發(fā)現(xiàn)數(shù)據(jù)中的潛在模式和結(jié)構(gòu)。

第6章　神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)。本章介紹了神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的基本原理及架構(gòu)。首先講解神經(jīng)網(wǎng)絡(luò)的基本概念；然后深入探討深度學(xué)習(xí)架構(gòu)，包括卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)；此外，還介紹了神經(jīng)網(wǎng)絡(luò)在圖像視覺、數(shù)據(jù)挖掘與預(yù)測、自然語言處理、自動(dòng)化控制、生物醫(yī)療等領(lǐng)域的應(yīng)用。通過簡單神經(jīng)網(wǎng)絡(luò)和VGG16遷移學(xué)習(xí)在MNIST手寫數(shù)字分類案例中的應(yīng)用展示了深度學(xué)習(xí)在圖像識(shí)別領(lǐng)域的強(qiáng)大能力。本章的核心目標(biāo)是幫助讀者理解神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的基本原理及應(yīng)用，掌握構(gòu)建和訓(xùn)練深度學(xué)習(xí)模型的方法，從而利用深度學(xué)習(xí)技術(shù)解決復(fù)雜的實(shí)際問題。

第7章　綜合案例一：醫(yī)療保險(xiǎn)欺詐分析。本章以醫(yī)療保險(xiǎn)欺詐分析為背景，詳細(xì)介紹了目標(biāo)分析、數(shù)據(jù)準(zhǔn)備、特征工程、模型訓(xùn)練和性能度量的全流程。首先介紹了醫(yī)療保險(xiǎn)欺詐分析的背景和意義，并詳細(xì)描述和分析了數(shù)據(jù)；然后進(jìn)行數(shù)據(jù)清洗、特征選擇和特征工程，構(gòu)建了適合模型訓(xùn)練的數(shù)據(jù)集；接著選擇合適的機(jī)器學(xué)習(xí)算法訓(xùn)練模型，并進(jìn)行了性能評(píng)估和優(yōu)化。通過該案例，讀者可以了解機(jī)器學(xué)習(xí)在醫(yī)療保險(xiǎn)欺詐中的應(yīng)用，掌握利用機(jī)器學(xué)習(xí)技術(shù)解決實(shí)際問題。本章的核心在于將前面章節(jié)所學(xué)的理論知識(shí)和算法應(yīng)用到實(shí)際問題中，提高讀者解決實(shí)際問題的能力，培養(yǎng)讀者的綜合分析和實(shí)踐能力。

第8章　綜合案例二：異常血糖預(yù)測。本章以異常血糖預(yù)測為背景，詳細(xì)介紹了數(shù)據(jù)導(dǎo)入、特征篩選、模型訓(xùn)練和性能評(píng)估的全過程。首先介紹了異常血糖預(yù)測的背景和數(shù)據(jù)來源，并對(duì)數(shù)據(jù)進(jìn)行了詳細(xì)的分析和預(yù)處理；然后進(jìn)行特征篩選和特征工程，構(gòu)建了適合模型訓(xùn)練的數(shù)據(jù)集；接著選擇了多種機(jī)器學(xué)習(xí)算法訓(xùn)練模型，并全面評(píng)估和優(yōu)化模型的性能。通過該過程展示了有效利用機(jī)器學(xué)習(xí)技術(shù)解決實(shí)際問題的方法。本章的核心在于展示通過機(jī)器學(xué)習(xí)技術(shù)從數(shù)據(jù)中提取有價(jià)值的信息，從而實(shí)現(xiàn)異常血糖的準(zhǔn)確預(yù)測，為糖尿病患者和醫(yī)療專業(yè)人員提供重要的決策支持。

適用對(duì)象

本書適合作為高等院校大數(shù)據(jù)、人工智能相關(guān)專業(yè)的教材，也適合作為廣大機(jī)器學(xué)習(xí)愛好者和從業(yè)者的參考書。對(duì)于大學(xué)生來說，本書系統(tǒng)、全面的知識(shí)體系和豐富的實(shí)踐案例有助于他們快速掌握機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和技能，為后續(xù)的專業(yè)課程學(xué)習(xí)和畢業(yè)設(shè)計(jì)打下堅(jiān)實(shí)的基礎(chǔ)。對(duì)于機(jī)器學(xué)習(xí)愛好者和從業(yè)者來說，本書深入淺出的講解和實(shí)用的操作指導(dǎo)可以幫助他們更好地理解及應(yīng)用機(jī)器學(xué)習(xí)技術(shù)，提升解決實(shí)際問題的能力。

“機(jī)器學(xué)習(xí)”是一門充滿魅力和挑戰(zhàn)的學(xué)科，它為我們打開了探索未知世界的大門。希望本書能夠成為讀者在機(jī)器學(xué)習(xí)道路上的“良師益友”，陪伴讀者一起探索機(jī)器學(xué)習(xí)的奧秘，共同迎接智能科技時(shí)代的到來。在學(xué)習(xí)過程中，我們鼓勵(lì)讀者積極思考、勇于實(shí)踐，不斷探索機(jī)器學(xué)習(xí)的新方法和新應(yīng)用。相信學(xué)習(xí)本書內(nèi)容后，讀者將能夠在機(jī)器學(xué)習(xí)領(lǐng)域取得豐碩的成果，為推動(dòng)智能科技的發(fā)展貢獻(xiàn)自己的力量。

由于作者水平有限，書中難免出現(xiàn)疏漏和不足之處，懇請(qǐng)讀者批評(píng)指正。

前言
第1章　機(jī)器學(xué)習(xí)基礎(chǔ) 1
1.1　機(jī)器學(xué)習(xí)簡介 1
1.1.1　機(jī)器學(xué)習(xí)的概念 2
1.1.2　機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域 2
1.1.3　機(jī)器學(xué)習(xí)的分類 3
1.1.4　機(jī)器學(xué)習(xí)的常見術(shù)語 5
1.1.5　機(jī)器學(xué)習(xí)的三要素（數(shù)據(jù)、模型和算法） 6
1.1.6　人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí) 7
1.2　機(jī)器學(xué)習(xí)開發(fā)環(huán)境構(gòu)建 11
1.3　Python機(jī)器學(xué)習(xí)工具庫 17
1.3.1　機(jī)器學(xué)習(xí)的常用庫 17
1.3.2　擴(kuò)展庫導(dǎo)入與使用 18
1.3.3　數(shù)據(jù)可視化工具庫 19
本章小結(jié) 20
習(xí)題1 20
第2章　機(jī)器學(xué)習(xí)工程實(shí)踐 22
2.1　模型評(píng)估指標(biāo) 22
2.1.1　回歸模型評(píng)估指標(biāo) 23
2.1.2　分類模型評(píng)估指標(biāo) 23
2.1.3　聚類模型評(píng)估指標(biāo) 25
2.2　模型復(fù)雜度度量 26
2.2.1　偏差與方差 26
2.2.2　擬合與正則化 26
2.3　模型的獲取與改進(jìn) 27
2.3.1　獲取模型的過程 27
2.3.2　訓(xùn)練集、驗(yàn)證集和測試集 28
2.3.3　訓(xùn)練過程 28
2.4　機(jī)器學(xué)習(xí)通用流程 29
2.4.1　目標(biāo)分析 30
2.4.2　數(shù)據(jù)準(zhǔn)備 30
2.4.3　特征工程 31
2.4.4　模型訓(xùn)練 32
2.4.5　性能度量與模型調(diào)優(yōu) 32
本章小結(jié) 33
習(xí)題2 33
第3章　回歸算法與應(yīng)用 35
3.1　回歸算法概述 35
3.1.1　回歸算法的含義 35
3.1.2　回歸算法中的常用方法 36
3.2　線性回歸 36
3.2.1　線性回歸的原理 36
3.2.2　案例3-1：基于線性回歸的糖尿病預(yù)測 38
3.3　邏輯回歸 42
3.3.1　邏輯回歸的原理 42
3.3.2　案例3-2：基于邏輯回歸的乳腺癌預(yù)測 44
本章小結(jié) 52
習(xí)題3 52
第4章　分類算法與應(yīng)用 54
4.1　分類算法概述 55
4.1.1　分類算法的含義 55
4.1.2　分類算法中的常用方法 55
4.2　支持向量機(jī) 55
4.2.1　支持向量機(jī)的原理 55
4.2.2　案例4-1：基于支持向量機(jī)的葡萄酒
　　　分類 57
4.3　決策樹 65
4.3.1　決策樹的原理 65
4.3.2　案例4-2：基于決策樹的葡萄酒分類 68
4.4　KNN 76
4.4.1　KNN的原理 76
4.4.2　案例4-3：基于KNN的鳶尾花分類 78
4.5　樸素貝葉斯 86
4.5.1　樸素貝葉斯的原理 86
4.5.2　案例4-4：基于樸素貝葉斯的鳶尾花
　　　分類 88
本章小結(jié) 96
習(xí)題4 96
第5章　聚類算法與應(yīng)用 98
5.1　聚類算法概述 99
5.1.1　聚類算法的含義 99
5.1.2　聚類算法中的常用方法 99
5.2　k均值聚類 99
5.2.1　k均值聚類的原理 99
5.2.2　案例5-1：基于k均值聚類的鳶尾花
　　　聚類 101
5.3　密度聚類 113
5.3.1　密度聚類的原理 113
5.3.2　案例5-2：基于DBSCAN的鳶尾花
　　　聚類 115
5.4　層次聚類 124
5.4.1　層次聚類的原理 124
5.4.2　案例5-3：基于AGNES的鳶尾花聚類 126
本章小結(jié) 138
習(xí)題5 138
第6章　神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 140
6.1　神經(jīng)網(wǎng)絡(luò) 141
6.1.1　神經(jīng)網(wǎng)絡(luò)的含義 141
6.1.2　神經(jīng)元模型 141
6.1.3　前饋神經(jīng)網(wǎng)絡(luò) 148
6.1.4　損失函數(shù)和梯度下降 149
6.1.5　反向傳播網(wǎng)絡(luò) 154
6.1.6　神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 154
6.2　深度學(xué)習(xí) 155
6.2.1　深度學(xué)習(xí)的含義 155
6.2.2　卷積神經(jīng)網(wǎng)絡(luò) 155
6.2.3　循環(huán)神經(jīng)網(wǎng)絡(luò) 160
6.2.4　深度學(xué)習(xí)進(jìn)階 162
6.2.5　深度學(xué)習(xí)的特點(diǎn) 165
6.3　神經(jīng)網(wǎng)絡(luò)的應(yīng)用 166
6.3.1　圖像視覺 166
6.3.2　數(shù)據(jù)挖掘與預(yù)測 167
6.3.3　自然語言處理 168
6.3.4　自動(dòng)化控制方面的應(yīng)用 168
6.3.5　生物醫(yī)療方面的應(yīng)用 169
6.4　案例6-1：基于簡單神經(jīng)網(wǎng)絡(luò)的MNIST手寫
　　 數(shù)字分類 169
6.4.1　目標(biāo)分析 169
6.4.2　數(shù)據(jù)準(zhǔn)備 169
6.4.3　模型訓(xùn)練 174
6.4.4　性能度量 177
6.4.5　案例總結(jié) 178
6.5　案例6-2：VGG16遷移學(xué)習(xí)的MNIST手寫
　　 數(shù)字分類 179
6.5.1　目標(biāo)分析 179
6.5.2　數(shù)據(jù)準(zhǔn)備 179
6.5.3　模型訓(xùn)練 181
6.5.4　性能度量 183
6.5.5　案例總結(jié) 185
本章小結(jié) 185
習(xí)題6 185
第7章　綜合案例一：醫(yī)療保險(xiǎn)欺詐分析 187
7.1　目標(biāo)分析 188
7.1.1　背景介紹 188
7.1.2　數(shù)據(jù)說明 188
7.1.3　實(shí)驗(yàn)設(shè)計(jì) 190
7.1.4　實(shí)驗(yàn)環(huán)境 191
7.2　數(shù)據(jù)準(zhǔn)備 192
7.2.1　數(shù)據(jù)導(dǎo)入 192
7.2.2　描述性統(tǒng)計(jì)分析 193
7.2.3　數(shù)據(jù)清洗 195
7.2.4　數(shù)據(jù)可視化分析 196
7.3　特征工程 205
7.3.1　投保人特征工程 205
7.3.2　醫(yī)療機(jī)構(gòu)特征工程 209
7.3.3　特征工程總結(jié) 214
7.4　模型訓(xùn)練 214
7.4.1　特征標(biāo)準(zhǔn)化 214
7.4.2　k均值算法實(shí)現(xiàn)投保人聚類 214
7.4.3　k均值算法實(shí)現(xiàn)醫(yī)療機(jī)構(gòu)特征聚類 217
7.4.4　聚類結(jié)果 220
7.5　性能度量 220
7.5.1　投保人醫(yī)療保險(xiǎn)欺詐分析 220
7.5.2　醫(yī)療機(jī)構(gòu)醫(yī)療保險(xiǎn)欺詐分析 222
本章小結(jié) 224
習(xí)題7 224
第8章　綜合案例二：異常血糖預(yù)測 225
8.1　目標(biāo)分析 226
8.1.1　背景介紹 226
8.1.2　數(shù)據(jù)介紹 226
8.1.3　預(yù)測模型介紹 227
8.1.4　實(shí)驗(yàn)設(shè)計(jì) 230
8.1.5　實(shí)驗(yàn)環(huán)境 231
8.2　數(shù)據(jù)準(zhǔn)備 232
8.2.1　訓(xùn)練集與測試集數(shù)據(jù)導(dǎo)入 232
8.2.2　導(dǎo)入數(shù)據(jù)展示 233
8.3　特征工程 233
8.3.1　繪圖基礎(chǔ)設(shè)置 233
8.3.2　血糖數(shù)據(jù)分析 234
8.3.3　數(shù)據(jù)清洗與特征篩選 235
8.4　模型訓(xùn)練 239
8.4.1　34特征組數(shù)據(jù)與LightGBM預(yù)測模型 239
8.4.2　14特征組數(shù)據(jù)與LightGBM預(yù)測模型 240
8.4.3　14特征組數(shù)據(jù)與支持向量機(jī)預(yù)測模型 240
8.4.4　14特征組數(shù)據(jù)與隨機(jī)森林預(yù)測模型 241
8.5　性能度量 241
8.5.1　34特征組數(shù)據(jù)與LightGBM預(yù)測模型
　　　實(shí)驗(yàn)結(jié)果 242
8.5.2　14特征組數(shù)據(jù)與LightGBM預(yù)測模型
　　　實(shí)驗(yàn)結(jié)果 243
8.5.3　14特征組數(shù)據(jù)與支持向量機(jī)預(yù)測模型
　　　實(shí)驗(yàn)結(jié)果 245
8.5.4　14特征組數(shù)據(jù)與隨機(jī)森林預(yù)測模型
　　　實(shí)驗(yàn)結(jié)果 246
8.5.5　實(shí)驗(yàn)結(jié)果對(duì)比 248
8.5.6　測試集異常血糖預(yù)測 248
本章小結(jié) 250
習(xí)題8 251
參考文獻(xiàn) 252

1. 大學(xué)生心理困境突圍之路 [張玨 著]
2. 大模型應(yīng)用實(shí)戰(zhàn) DeepSeek＋即夢(mèng)AI＋剪映重塑創(chuàng)作 [丁紅　楊彥彥　丁丁　編著]
3. HarmonyOS從入門到精通 [陳趙云　周永福　楊　浪]
4. 用英語發(fā)現(xiàn)世界：歐美文化篇 [李小麗　張薇　編著]
5. 大學(xué)體育教程 [戴顯巖]
6. 新一代信息技術(shù) [李佼輝 任雪冬]
7. 軌道交通類專門用途英語教程 [李德華主編 商曄副主編]
8. 建設(shè)工程項(xiàng)目團(tuán)隊(duì)知識(shí)異質(zhì)性對(duì)團(tuán)隊(duì)績效的影響研究 [胡可]
9. 新時(shí)代元陽梯田 云南現(xiàn)代化高原立體灌區(qū) 前世 今生 未來 [云南省水利水電勘測設(shè)計(jì)研究院 ]
10. 網(wǎng)絡(luò)工程師章節(jié)習(xí)題與考點(diǎn)特訓(xùn)（適配第6版考綱） [夏杰 編著]
11. 零基礎(chǔ)商業(yè)插畫設(shè)計(jì)與AI表現(xiàn) [主編　湯彥萱]
12. 電工與電子技術(shù)（第三版） [主編 王梅 唐翠微 楊曉珍]
13. 虛擬現(xiàn)實(shí)（VR）模型制作技術(shù)及應(yīng)用 [主編　高文銘　祝海英]
14. 大學(xué)生就業(yè)指導(dǎo)與創(chuàng)新教育 [主編 田克明 楊超 郭明鋼]
15. 新時(shí)代人工智能素養(yǎng) [主編　徐永冰　張帥]
16. 電子商務(wù)文案策劃與寫作 [主編 盧海濤 夏穎 黃璐云]
17. 信息技術(shù)與人工智能 [主編 王錦]
18. 信息技術(shù)基礎(chǔ)（活頁式） [主編 趙金考 禹晨 張尼奇 王宏斌]
19. 計(jì)算機(jī)程序員教程 [主編 李學(xué)國 任小平]
20. 水利水電工程施工組織設(shè)計(jì) [主編 胡建春 錢波 何茜]
21. 信息技術(shù) [主編 任洪亮 邢海燕]
22. 高職美育 [王敦]
23. 系統(tǒng)分析師考前沖刺100題（適配第2版考綱） [施游 鄒月平 朱小平 編著]
24. 用英語介紹中國名城古鎮(zhèn) [王寶川　張?jiān)�婧　編著]
25. Spark大數(shù)據(jù)技術(shù)基礎(chǔ)與應(yīng)用（Scala+Python版） [林徐　潘立瓊　楊建柏]
26. 世界文化遺產(chǎn)精選：看人文經(jīng)典學(xué)英文 [何媛　編譯]
27. 網(wǎng)絡(luò)安全系統(tǒng)集成 [魯先志　何倩]
28. Python統(tǒng)計(jì)分析項(xiàng)目化教程 [章小華 孫偉男 于虹博 李文龍]
29. 交換路由技術(shù)（微課版） [喻林 卞孝麗]
30. 新一代網(wǎng)絡(luò)技術(shù)與應(yīng)用 [路立勛 周寶]