機(jī)器學(xué)習(xí)：Python實(shí)踐

定　價(jià)：￥59.00

作　者：	魏貞原著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787121331107	出版時(shí)間：	2018-01-01	包裝：	平裝
開(kāi)本：	16	頁(yè)數(shù)：	228	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《機(jī)器學(xué)習(xí)——Python實(shí)踐》系統(tǒng)地講解了機(jī)器學(xué)習(xí)的基本知識(shí)，以及在實(shí)際項(xiàng)目中使用機(jī)器學(xué)習(xí)的基本步驟和方法；詳細(xì)地介紹了在進(jìn)行數(shù)據(jù)處理、分析時(shí)怎樣選擇合適的算法，以及建立模型并優(yōu)化等方法，通過(guò)不同的例子展示了機(jī)器學(xué)習(xí)在具體項(xiàng)目中的應(yīng)用和實(shí)踐經(jīng)驗(yàn)，是一本非常好的機(jī)器學(xué)習(xí)入門(mén)和實(shí)踐的書(shū)籍。不同于很多講解機(jī)器學(xué)習(xí)的書(shū)籍，本書(shū)以實(shí)踐為導(dǎo)向，使用 scikit-learn 作為編程框架，強(qiáng)調(diào)簡(jiǎn)單、快速地建立模型，解決實(shí)際項(xiàng)目問(wèn)題。讀者通過(guò)對(duì)《機(jī)器學(xué)習(xí)——Python實(shí)踐》的學(xué)習(xí)，可以迅速上手實(shí)踐機(jī)器學(xué)習(xí)，并利用機(jī)器學(xué)習(xí)解決實(shí)際問(wèn)題?！稒C(jī)器學(xué)習(xí)——Python實(shí)踐》非常適合于項(xiàng)目經(jīng)理、有意從事機(jī)器學(xué)習(xí)開(kāi)發(fā)的程序員，以及高校相關(guān)專(zhuān)業(yè)在的讀學(xué)生閱讀。

作者簡(jiǎn)介

　　魏貞原，IBM 高級(jí)項(xiàng)目經(jīng)理，主要負(fù)責(zé)銀行客戶(hù)的復(fù)雜系統(tǒng)開(kāi)發(fā)。同時(shí)是 IBM CIC量子計(jì)算 COE 團(tuán)隊(duì)的 Python 領(lǐng)域?qū)＜遥⊿ubject Matter Expert），負(fù)責(zé)量子計(jì)算應(yīng)用的探索工作，對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有深入的研究，精通于運(yùn)用機(jī)器學(xué)習(xí)來(lái)解決數(shù)據(jù)科學(xué)的問(wèn)題。并運(yùn)營(yíng)“知之Python”公眾號(hào)，定期分享 Python 在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)中的實(shí)踐知識(shí)。

圖書(shū)目錄

第一部分初始
1 初識(shí)機(jī)器學(xué)習(xí) 2
1.1 學(xué)習(xí)機(jī)器學(xué)習(xí)的誤區(qū) 2
1.2 什么是機(jī)器學(xué)習(xí) 3
1.3 Python 中的機(jī)器學(xué)習(xí) 3
1.4 學(xué)習(xí)機(jī)器學(xué)習(xí)的原則 5
1.5 學(xué)習(xí)機(jī)器學(xué)習(xí)的技巧 5
1.6 這本書(shū)不涵蓋以下內(nèi)容 6
1.7 代碼說(shuō)明 6
1.8 總結(jié) 6
2 Python 機(jī)器學(xué)習(xí)的生態(tài)圈 7
2.1 Python 7
2.2 SciPy 9
2.3 scikit-learn 9
2.4 環(huán)境安裝 10
2.5 總結(jié) 12
3 第一個(gè)機(jī)器學(xué)習(xí)項(xiàng)目 13
3.1 機(jī)器學(xué)習(xí)中的 Hello World 項(xiàng)目 13
3.2 導(dǎo)入數(shù)據(jù) 14
3.3 概述數(shù)據(jù) 15
3.4 數(shù)據(jù)可視化 18
3.5 評(píng)估算法 20
3.6 實(shí)施預(yù)測(cè) 23
3.7 總結(jié) 24
4 Python 和 SciPy 速成 25
4.1 Python 速成 25
4.2 NumPy 速成 34
4.3 Matplotlib 速成 36
4.4 Pandas 速成 39
4.5 總結(jié) 41
第二部分數(shù)據(jù)理解
5 數(shù)據(jù)導(dǎo)入 44
5.1 CSV 文件 44
5.2 Pima Indians 數(shù)據(jù)集 45
5.3 采用標(biāo)準(zhǔn) Python 類(lèi)庫(kù)導(dǎo)入數(shù)據(jù) 46
5.4 采用 NumPy 導(dǎo)入數(shù)據(jù) 46
5.5 采用 Pandas 導(dǎo)入數(shù)據(jù) 47
5.6 總結(jié) 47
6 數(shù)據(jù)理解 48
6.1 簡(jiǎn)單地查看數(shù)據(jù) 48
6.2 數(shù)據(jù)的維度 49
6.3 數(shù)據(jù)屬性和類(lèi)型 50
6.4 描述性統(tǒng)計(jì) 50
6.5 數(shù)據(jù)分組分布（適用于分類(lèi)算法） 51
6.6 數(shù)據(jù)屬性的相關(guān)性 52
6.7 數(shù)據(jù)的分布分析 53
6.8 總結(jié) 54
7 數(shù)據(jù)可視化 55
7.1 單一圖表 55
7.2 多重圖表 58
7.3 總結(jié) 61
第三部分數(shù)據(jù)準(zhǔn)備
8 數(shù)據(jù)預(yù)處理 64
8.1 為什么需要數(shù)據(jù)預(yù)處理 64
8.2 格式化數(shù)據(jù) 65
8.3 調(diào)整數(shù)據(jù)尺度 65
8.4 正態(tài)化數(shù)據(jù) 67
8.5 標(biāo)準(zhǔn)化數(shù)據(jù) 68
8.6 二值數(shù)據(jù) 69
8.7 總結(jié) 70
9 數(shù)據(jù)特征選定 71
9.1 特征選定 72
9.2 單變量特征選定 72
9.3 遞歸特征消除 73
9.4 主要成分分析 75
9.5 特征重要性 76
9.6 總結(jié) 76
第四部分選擇模型
10 評(píng)估算法 78
10.1 評(píng)估算法的方法 78
10.2 分離訓(xùn)練數(shù)據(jù)集和評(píng)估數(shù)據(jù)集 79
10.3 K 折交叉驗(yàn)證分離 80
10.4 棄一交叉驗(yàn)證分離 81
10.5 重復(fù)隨機(jī)分離評(píng)估數(shù)據(jù)集與訓(xùn)練數(shù)據(jù)集 82
10.6 總結(jié) 83
11 算法評(píng)估矩陣 85
11.1 算法評(píng)估矩陣 85
11.2 分類(lèi)算法矩陣 86
11.3 回歸算法矩陣 93
11.4 總結(jié) 96
12 審查分類(lèi)算法 97
12.1 算法審查 97
12.2 算法概述 98
12.3 線(xiàn)性算法 98
12.4 非線(xiàn)性算法 101
12.5 總結(jié) 105
13 審查回歸算法 106
13.1 算法概述 106
13.2 線(xiàn)性算法 107
13.3 非線(xiàn)性算法 111
13.4 總結(jié) 113
14 算法比較 115
14.1 選擇最佳的機(jī)器學(xué)習(xí)算法 115
14.2 機(jī)器學(xué)習(xí)算法的比較 116
14.3 總結(jié) 118
15 自動(dòng)流程 119
15.1 機(jī)器學(xué)習(xí)的自動(dòng)流程 119
15.2 數(shù)據(jù)準(zhǔn)備和生成模型的 Pipeline 120
15.3 特征選擇和生成模型的 Pipeline 121
15.4 總結(jié) 122
第五部分優(yōu)化模型
16 集成算法 124
16.1 集成的方法 124
16.2 裝袋算法 125
16.3 提升算法 129
16.4 投票算法 131
16.5 總結(jié) 132
17 算法調(diào)參 133
17.1 機(jī)器學(xué)習(xí)算法調(diào)參 133
17.2 網(wǎng)格搜索優(yōu)化參數(shù) 134
17.3 隨機(jī)搜索優(yōu)化參數(shù) 135
17.4 總結(jié) 136
第六部分結(jié)果部署
18 持久化加載模型 138
18.1 通過(guò) pickle 序列化和反序列化機(jī)器學(xué)習(xí)的模型 138
18.2 通過(guò) joblib 序列化和反序列化機(jī)器學(xué)習(xí)的模型 140
18.3 生成模型的技巧 141
18.4 總結(jié) 141
第七部分項(xiàng)目實(shí)踐
19 預(yù)測(cè)模型項(xiàng)目模板 144
19.1 在項(xiàng)目中實(shí)踐機(jī)器學(xué)習(xí) 145
19.2 機(jī)器學(xué)習(xí)項(xiàng)目的 Python 模板 145
19.3 各步驟的詳細(xì)說(shuō)明 146
19.4 使用模板的小技巧 148
19.5 總結(jié) 149
20 回歸項(xiàng)目實(shí)例 150
20.1 定義問(wèn)題 150
20.2 導(dǎo)入數(shù)據(jù) 151
20.3 理解數(shù)據(jù) 152
20.4 數(shù)據(jù)可視化 155
20.5 分離評(píng)估數(shù)據(jù)集 159
20.6 評(píng)估算法 160
20.7 調(diào)參改善算法 164
20.8 集成算法 165
20.9 集成算法調(diào)參 167
20.10 確定最終模型 168
20.11 總結(jié) 169
21 二分類(lèi)實(shí)例 170
21.1 問(wèn)題定義 170
21.2 導(dǎo)入數(shù)據(jù) 171
21.3 分析數(shù)據(jù) 172
21.4 分離評(píng)估數(shù)據(jù)集 180
21.5 評(píng)估算法 180
21.6 算法調(diào)參 184
21.7 集成算法 187
21.8 確定最終模型 190
21.9 總結(jié) 190
22 文本分類(lèi)實(shí)例 192
22.1 問(wèn)題定義 192
22.2 導(dǎo)入數(shù)據(jù) 193
22.3 文本特征提取 195
22.4 評(píng)估算法 196
22.5 算法調(diào)參 198
22.6 集成算法 200
22.7 集成算法調(diào)參 201
22.8 確定最終模型 202
22.9 總結(jié) 203