●前言
●第一部分
● 第1章 機器學習項目流程
● 1.1 如何利用機器學習
● 1.2 機器學習項目的流程
● 1.3 實際繫統中的機器學習問題的處理方法
● 1.4 機器學習繫統的成功要素
● 1.5 小結
● 第2章 機器學習的用途
● 2.1 算法選擇
● 2.2 分類
● 2.3 回歸
● 2.4 聚類與降維
● 2.5 其他
● 2.6 小結
● 第3章 學習結果的評價
● 3.1 分類的評價矩陣
● 3.2 回歸的評價
● 3.3 機器學習繫統的A／B測試
● 3.4 小結
●部分目錄

本書共分9章，主要內容有：章總結機器學習項目的推進流程。第2章介紹機器學習的主要功能和各種算法。第3章以垃圾郵件判別為例，介紹對學習完成後的預測模型進行離線評價的方法。第4章梳理在計算機繫統裡集成機器學習功能的模式，同時介紹機器學習基礎的日志設計。第5章介紹機器學習分類任務裡的正確答案數據的獲取方法。第6章介紹用於驗證實施方案是否真正有效的統計鋻定、因果推理，以及A/B試驗等方法。第3章是預測模型的離線驗證，本章則介紹實施過程中的實時驗證。第7章以電影推薦為例，學習推薦預測繫統的開發實現案例。第8章闡述搜索式分析過程及分析報告，結合在章的機器學習流程中出現的“不執行機器學習的例子”，介紹如何整理實際分析結果的相關心得。第9章采用所謂Uplift Modeling方法學習更有效的營銷方法。

[日]有賀康顕，[日]中山心太，[日]西林孝 著 [日]有賀康顕，[日]中山心太，[日]西林孝 編 劉繼紅 譯