深入浅出PYTHON机器学习

目 录 第1章 概 述 1.1 什么是机器学习——从一个小故事开始 / 002 1.2 机器学习的一些应用场景——蝙蝠公司的业务单元 / 003 1.3 机器学习应该如何入门——世上无难事 / 005 1.4 有监督学习与无监督学习 / 007 1.5 机器学习中的分类与回归 / 008 1.6 模型的泛化、过拟合与欠拟合 / 008 1.7 小结 / 009 第2章 基于Python语言的环境配置 2.1 Python的下载和安装 / 012 2.2 Jupyter Notebook的安装与使用方法 / 013 2.2.1 使用pip进行Jupyter Notebook的下载和安装 / 013 2.2.2 运行Jupyter Notebook / 014 2.2.3 Jupyter Notebook的使用方法 / 015 2.3 一些必需库的安装及功能简介 / 017 2.3.1 Numpy——基础科学计算库 / 017 2.3.2 Scipy——强大的科学计算工具集 / 018 2.3.3 pandas——数据分析的利器 / 019 2.3.4 matplotlib——画出优美的图形 / 020 深入浅出Python 机器学习 VIII 2.4 scikit-learn——非常流行的Python机器学习库 / 021 2.5 小结 / 022 第3章 K*近邻算法——近朱者赤，近墨者黑 3.1 K*近邻算法的原理 / 024 3.2 K*近邻算法的用法 / 025 3.2.1 K*近邻算法在分类任务中的应用 / 025 3.2.2 K*近邻算法处理多元分类任务 / 029 3.2.3 K*近邻算法用于回归分析 / 031 3.3 K*近邻算法项目实战——酒的分类 / 034 3.3.1 对数据集进行分析 / 034 3.3.2 生成训练数据集和测试数据集 / 036 3.3.3 使用K*近邻算法进行建模 / 038 3.3.4 使用模型对新样本的分类进行预测 / 039 3.4 小结 / 041 第4章 广义线性模型——“耿直”的算法模型 4.1 线性模型的基本概念 / 044 4.1.1 线性模型的一般公式 / 044 4.1.2 线性模型的图形表示 / 045 4.1.3 线性模型的特点 / 049 4.2 *基本的线性模型——线性回归 / 050 4.2.1 线性回归的基本原理 / 050 4.2.2 线性回归的性能表现 / 051 4.3 使用L2正则化的线性模型——岭回归 / 053 4.3.1 岭回归的原理 / 053 4.3.2 岭回归的参数调节 / 054 4.4 使用L1正则化的线性模型——套索回归 / 058 4.4.1 套索回归的原理 / 058 4.4.2 套索回归的参数调节 / 059 4.4.3 套索回归与岭回归的对比 / 060 目录 IX 4.5 小结 / 062 第5章 朴素贝叶斯——打雷啦，收衣服啊 5.1 朴素贝叶斯基本概念 / 064 5.1.1 贝叶斯定理 / 064 5.1.2 朴素贝叶斯的简单应用 / 064 5.2 朴素贝叶斯算法的不同方法 / 068 5.2.1 贝努利朴素贝叶斯 / 068 5.2.2 高斯朴素贝叶斯 / 071 5.2.3 多项式朴素贝叶斯 / 072 5.3 朴素贝叶斯实战——判断肿瘤是良性还是恶性 / 075 5.3.1 对数据集进行分析 / 076 5.3.2 使用高斯朴素贝叶斯进行建模 / 077 5.3.3 高斯朴素贝叶斯的学习曲线 / 078 5.4 小结 / 080 第6章 决策树与随机森林——会玩读心术的算法 6.1 决策树 / 082 6.1.1 决策树基本原理 / 082 6.1.2 决策树的构建 / 082 6.1.3 决策树的优势和不足 / 088 6.2 随机森林 / 088 6.2.1 随机森林的基本概念 / 089 6.2.2 随机森林的构建 / 089 6.2.3 随机森林的优势和不足 / 092 6.3 随机森林实例——要不要和相亲对象进一步发展 / 093 6.3.1 数据集的准备 / 093 6.3.2 用get_dummies处理数据 / 094 6.3.3 用决策树建模并做出预测 / 096 6.4 小结 / 098 第7章 支持向量机SVM——专治线性不可分 7.1 支持向量机SVM基本概念 / 100 7.1.1 支持向量机SVM的原理 / 100 7.1.2 支持向量机SVM的核函数 / 102 7.2 SVM的核函数与参数选择 / 104 7.2.1 不同核函数的SVM对比 / 104 7.2.2 支持向量机的gamma参数调节 / 106 7.2.3 SVM算法的优势与不足 / 108 7.3 SVM实例——波士顿房价回归分析 / 108 7.3.1 初步了解数据集 / 109 7.3.2 使用SVR进行建模 / 110 7.4 小结 / 114 第8章 神经网络——曾入“冷宫”，如今得宠 8.1 神经网络的前世今生 / 116 8.1.1 神经网络的起源 / 116 8.1.2 **个感知器学习法则 / 116 8.1.3 神经网络之父——杰弗瑞·欣顿 / 117 8.2 神经网络的原理及使用 / 118 8.2.1 神经网络的原理 / 118 8.2.2 神经网络中的非线性矫正 / 119 8.2.3 神经网络的参数设置 / 121 8.3 神经网络实例——手写识别 / 127 8.3.1 使用MNIST数据集 / 128 8.3.2 训练MLP神经网络 / 129 8.3.3 使用模型进行数字识别 / 130 8.4 小结 / 131 第9章 数据预处理、降维、特征提取及聚类——快 刀斩乱麻 9.1 数据预处理 / 134 9.1.1 使用StandardScaler进行数据预处理 / 134 9.1.2 使用MinMaxScaler进行数据预处理 / 135 9.1.3 使用RobustScaler进行数据预处理 / 136 9.1.4 使用Normalizer进行数据预处理 / 137 9.1.5 通过数据预处理提高模型准确率 / 138 9.2 数据降维 / 140 9.2.1 PCA主成分分析原理 / 140 9.2.2 对数据降维以便于进行可视化 / 142 9.2.3 原始特征与PCA主成分之间的关系 / 143 9.3 特征提取 / 144 9.3.1 PCA主成分分析法用于特征提取 / 145 9.3.2 非负矩阵分解用于特征提取 / 148 9.4 聚类算法 / 149 9.4.1 K均值聚类算法 / 150 9.4.2 凝聚聚类算法 / 153 9.4.3 DBSCAN算法 / 154 9.5 小结 / 157 第10章 数据表达与特征工程——锦上再添花 10.1 数据表达 / 160 10.1.1 使用哑变量转化类型特征 / 160 10.1.2 对数据进行装箱处理 / 162 10.2 数据“升维” / 166 10.2.1 向数据集添加交互式特征 / 166 10.2.2 向数据集添加多项式特征 / 170 10.3 自动特征选择 / 173 10.3.1 使用单一变量法进行特征选择 / 173 10.3.2 基于模型的特征选择 / 178 10.3.3 迭代式特征选择 / 180 10.4 小结 / 182 第11章 模型评估与优化——只有更好，没有*好 11.1 使用交叉验证进行模型评估 / 184 11.1.1 scikit-learn中的交叉验证法 / 184 11.1.2 随机拆分和“挨个儿试试” / 186 11.1.3 为什么要使用交叉验证法 / 188 11.2 使用网格搜索优化模型参数 / 188 11.2.1 简单网格搜索 / 189 11.2.2 与交叉验证结合的网格搜索 / 191 11.3 分类模型的可信度评估 / 193 11.3.1 分类模型中的预测准确率 / 194 11.3.2 分类模型中的决定系数 / 197 11.4 小结 / 198 第12章 建立算法的管道模型——团结就是力量 12.1 管道模型的概念及用法 / 202 12.1.1 管道模型的基本概念 / 202 12.1.2 使用管道模型进行网格搜索 / 206 12.2 使用管道模型对股票涨幅进行回归分析 / 209 12.2.1 数据集准备 / 209 12.2.2 建立包含预处理和MLP模型的管道模型 / 213 12.2.3 向管道模型添加特征选择步骤 / 214 12.3 使用管道模型进行模型选择和参数调优 / 216 12.3.1 使用管道模型进行模型选择 / 216 12.3.2 使用管道模型寻找更优参数 / 217 12.4 小结 / 220 第13章 文本数据处理——亲，见字如“数” 13.1 文本数据的特征提取、中文分词及词袋模型 / 222 13.1.1 使用CountVectorizer对文本进行特征提取 / 222 13.1.2 使用分词工具对中文文本进行分词 / 223 13.1.3 使用词袋模型将文本数据转为数组 / 224 13.2 对文本数据进一步进行优化处理 / 226 13.2.1 使用n-Gram改善词袋模型 / 226 13.2.2 使用tf-idf模型对文本数据进行处理 / 228 13.2.3 删除文本中的停用词 / 234 13.3 小结 / 236 第14章 从数据获取到话题提取——从“研究员” 到“段子手” 14.1 简单页面的爬取 / 238 14.1.1 准备Requests库和User Agent / 238 14.1.2 确定一个目标网站并分析其结构 / 240 14.1.3 进行爬取并保存为本地文件 / 241 14.2 稍微复杂一点的爬取 / 244 14.2.1 确定目标页面并进行分析 / 245 14.2.2 Python中的正则表达式 / 247 14.2.3 使用BeautifulSoup进行HTML解析 / 251 14.2.4 对目标页面进行爬取并保存到本地 / 256 14.3 对文本数据进行话题提取 / 258 14.3.1 寻找目标网站并分析结构 / 259 14.3.2 编写爬虫进行内容爬取 / 261 14.3.3 使用潜在狄利克雷分布进行话题提取 / 263 14.4 小结 / 265 第15章 人才需求现状与未来学习方向——你是不 是下一个“大牛” 15.1 人才需求现状 / 268 15.1.1 全球AI从业者达190万，人才需求3年翻8倍 / 268 15.1.2 AI人才需求集中于一线城市，七成从业者月薪过万 / 269 15.1.3 人才困境仍难缓解，政策支援亟不可待 / 269 15.2 未来学习方向 / 270 15.2.1 用于大数据分析的计算引擎 / 270 15.2.2 深度学习开源框架 / 271 15.2.3 使用概率模型进行推理 / 272 15.3 技能磨炼与实际应用 / 272 15.3.1 Kaggle算法大赛平台和OpenML平台 / 272 15.3.2 在工业级场景中的应用 / 273 15.3.3 对算法模型进行A/B测试 / 273 15.4 小结 / 274 参考文献 / 275