Python机器学习案例教程(原书第2版)/大数据丛书
1星价
¥65.0
(7.3折)
2星价¥65.0
定价¥89.0
暂无评论
图文详情
- ISBN:9787111677109
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:16开
- 页数:233
- 出版时间:2021-05-01
- 条形码:9787111677109 ; 978-7-111-67710-9
内容简介
本书包括3部分:部分介绍机器学习的基本概念,它们是机器学习的预备知识;第2部分系统介绍几种成熟的机器学习算法和技术;第3部分介绍贯穿整个机器学习工作流程的21个很好案例,并且讨论具有前瞻性的方法和想法,它们被认可为是机器学习未来的研究重点。本书中的代码均在Python 3中测试通过。 本书适合高等院校相关专业的大学生、研究生或教师阅读学习,以及不具有机器学习或统计背景但是想要快速补充机器学习算法知识,以便在实际产品或平台中应用的软件工程师。
目录
译者序
前言
第1部分机器学习的基础
第1章机器学习和Python入门
11超高水平的机器学习技术概述
111机器学习任务的分类
112机器学习算法的发展简史
12机器学习的核心——数据泛化
121过拟合、欠拟合和偏差-方差权衡
122利用交叉验证避免过拟合
123利用正则化避免过拟合
124通过特征选择和降维避免过拟合
13预处理、探索和特征工程
131缺失值
132标签编码
133独热编码
134缩放
135多项式特征
136幂变换
137分箱
14组合模型
141投票法和平均法
142装袋法
143提升方法
144堆叠法
15安装软件和设置
151设置Python和环境
152安装各种软件包
本章小结
习题
第2部分Python机器学习实例
第2章使用文本分析技术研究20组新闻数据集
21计算机如何理解语言——NLP
22浏览NLP库并学习NLP基础知识
221语料库
222标记
223词性
224命名实体识别
225词干提取和词形还原
226语义和主题建模
23获取新闻组数据
24研究新闻组数据
25考虑文本数据的特性
251计算每个单词表征的出现次数
252文本预处理
253丢弃停止词
254词干提取和词形还原法
26使用t-SNE可视化新闻组数据
261什么是降维
262用于降维的t-SNE
本章小结
习题
第3章使用聚类和主题建模算法挖掘20组新闻数据集
31没有指导的学习——无监督学习
32使用k均值聚类算法对新闻数据集进行聚类
321k均值聚类算法是如何聚类的?
322从头实现k均值聚类算法
323用机器学习实现k均值聚类算法
324k值的选择
325使用k均值聚类新闻组数据
33在新闻组中发现基础主题
34使用NMF进行主题建模
35使用LDA进行主题建模
本章小结
习题
第4章使用朴素贝叶斯检测垃圾邮件
41从分类开始
411分类算法的类型
412文本分类的应用
42探索朴素贝叶斯
421通过案例来学习贝叶斯定理
422朴素贝叶斯的结构
423运用scratch库实现朴素贝叶斯分类器
424运用scikit-learn库实现朴素贝叶斯分类器
43分类性能评估
44模型调优和交叉验证
本章小结
习题
第5章使用支持向量机对新闻组主题进行分类
51用支持向量机寻找分离边界
511通过不同的示例了解支持向量机如何工作
512实现支持向量机
513支持向量机的核心
514在线性核和RBF核之间进行选择
52使用支持向量机对新闻组主题进行分类
53更多示例——心脏造影的胎儿状态分类
54另一个示例——使用TensorFlow完成基于支持向量机的乳腺癌分类
本章小结
习题
第6章使用基于树的算法预测在线广告点击率
61广告点击率预测概述
62两种类型数据:数值型和分类型
63从根到叶探索决策树
631构建决策树
632衡量分裂的标准
64从头实现决策树
65用决策树预测广告点击率
66集成决策树——随机森林
661使用TensorFlow实现随机森林
本章小结
习题
第7章使用逻辑回归预测在线广告点击率
71将分类特征转换为数字特征——独热编码和顺序编码
72用逻辑回归对数据进行分类
721逻辑函数入门
722从逻辑函数到逻辑回归
73训练逻辑回归模型
731利用梯度下降训练逻辑回归模型
732利用梯度下降的逻辑回归模型预测在线广告点击率
733利用随机梯度下降训练逻辑回归模型
734利用正则化训练逻辑回归模型
74通过在线学习训练大型数据集
75处理多元分类
76使用TensorFlow实现逻辑回归
77使用随机森林进行特征选择
本章小结
习题
第8章将预测扩展到TB级点击日志
81学习Apache Spark的基本知识
811了解 Spark
812安装Spark
813启动和部署Spark程序
82在PySpark中编程
83使用Spark学习大量点击日志
831加载点击日志
832拆分和缓存数据
833对分类特征进行独热编码
834训练和测试逻辑回归模型
84使用Spark对分类变量进行特征工程
841散列分类特征
842组合多个变量——特征交互
本章小结
习题
第9章使用回归算法预测股票价格
91有关股票市场和股票价格的简要概述
92什么是回归
93获取股价数据
931开始特征工程
932获取数据并生成特征
94使用线性回归来估计
941线性回归是如何工作的
942实现线性回归
95使用回归树进行预测
951从分类树到回归树
952实现回归树
953实现随机森林
96用支持向量回归机进行评估
961实现支持向量回归机
97用神经网络进行估算
971揭开神经网络的神秘面纱
972实现神经网络
98评估回归性能
99使用四种回归算法预测股票价格
本章小结
习题
第3部分Python机器学习*佳案例
第10章机器学习*佳案例
101机器学习解决方案流程
102数据准备阶段的*佳案例
1021*佳案例1——完全理解项目目标
1022*佳案例2——收集所有相关的特征
1023*佳案例3——保持特征值的一致性
1024*佳案例4——处理缺失数据
1025*佳案例5——存储大规模数据
103训练集生成阶段的*佳案例
1031*佳案例6——区分分类型特征与数值型特征
1032*佳案例7——决定是否要对分类型特征进行编码
1033*佳案例8——决定是否要选择特征和如何选择
1034*佳案例9——决定是否要降维和如何降维
1035*佳案例10——决定是否重新调整特征取值
1036*佳案例11——在拥有专业知识的条件下进行特征工程
1037*佳案例12——在缺少专业知识的条件下进行特征工程
1038*佳案例13——记录每个特征是如何生成的
1039*佳案例14——从文本数据中提取特征
104模型训练、评估和选择阶段的*佳案例
1041*佳案例15——选择合适的起步算法
1042*佳案例16——减少过拟合
1043*佳案例17——识别过拟合与欠拟合
1044*佳案例18——在大型数据集上建模
105部署和监视阶段的*佳案例
1051*佳案例19——保存、加载和重用模型
1052*佳案例20——监控模型性能
1053*佳案例21——定期更新模型
本章小结
习题
前言
第1部分机器学习的基础
第1章机器学习和Python入门
11超高水平的机器学习技术概述
111机器学习任务的分类
112机器学习算法的发展简史
12机器学习的核心——数据泛化
121过拟合、欠拟合和偏差-方差权衡
122利用交叉验证避免过拟合
123利用正则化避免过拟合
124通过特征选择和降维避免过拟合
13预处理、探索和特征工程
131缺失值
132标签编码
133独热编码
134缩放
135多项式特征
136幂变换
137分箱
14组合模型
141投票法和平均法
142装袋法
143提升方法
144堆叠法
15安装软件和设置
151设置Python和环境
152安装各种软件包
本章小结
习题
第2部分Python机器学习实例
第2章使用文本分析技术研究20组新闻数据集
21计算机如何理解语言——NLP
22浏览NLP库并学习NLP基础知识
221语料库
222标记
223词性
224命名实体识别
225词干提取和词形还原
226语义和主题建模
23获取新闻组数据
24研究新闻组数据
25考虑文本数据的特性
251计算每个单词表征的出现次数
252文本预处理
253丢弃停止词
254词干提取和词形还原法
26使用t-SNE可视化新闻组数据
261什么是降维
262用于降维的t-SNE
本章小结
习题
第3章使用聚类和主题建模算法挖掘20组新闻数据集
31没有指导的学习——无监督学习
32使用k均值聚类算法对新闻数据集进行聚类
321k均值聚类算法是如何聚类的?
322从头实现k均值聚类算法
323用机器学习实现k均值聚类算法
324k值的选择
325使用k均值聚类新闻组数据
33在新闻组中发现基础主题
34使用NMF进行主题建模
35使用LDA进行主题建模
本章小结
习题
第4章使用朴素贝叶斯检测垃圾邮件
41从分类开始
411分类算法的类型
412文本分类的应用
42探索朴素贝叶斯
421通过案例来学习贝叶斯定理
422朴素贝叶斯的结构
423运用scratch库实现朴素贝叶斯分类器
424运用scikit-learn库实现朴素贝叶斯分类器
43分类性能评估
44模型调优和交叉验证
本章小结
习题
第5章使用支持向量机对新闻组主题进行分类
51用支持向量机寻找分离边界
511通过不同的示例了解支持向量机如何工作
512实现支持向量机
513支持向量机的核心
514在线性核和RBF核之间进行选择
52使用支持向量机对新闻组主题进行分类
53更多示例——心脏造影的胎儿状态分类
54另一个示例——使用TensorFlow完成基于支持向量机的乳腺癌分类
本章小结
习题
第6章使用基于树的算法预测在线广告点击率
61广告点击率预测概述
62两种类型数据:数值型和分类型
63从根到叶探索决策树
631构建决策树
632衡量分裂的标准
64从头实现决策树
65用决策树预测广告点击率
66集成决策树——随机森林
661使用TensorFlow实现随机森林
本章小结
习题
第7章使用逻辑回归预测在线广告点击率
71将分类特征转换为数字特征——独热编码和顺序编码
72用逻辑回归对数据进行分类
721逻辑函数入门
722从逻辑函数到逻辑回归
73训练逻辑回归模型
731利用梯度下降训练逻辑回归模型
732利用梯度下降的逻辑回归模型预测在线广告点击率
733利用随机梯度下降训练逻辑回归模型
734利用正则化训练逻辑回归模型
74通过在线学习训练大型数据集
75处理多元分类
76使用TensorFlow实现逻辑回归
77使用随机森林进行特征选择
本章小结
习题
第8章将预测扩展到TB级点击日志
81学习Apache Spark的基本知识
811了解 Spark
812安装Spark
813启动和部署Spark程序
82在PySpark中编程
83使用Spark学习大量点击日志
831加载点击日志
832拆分和缓存数据
833对分类特征进行独热编码
834训练和测试逻辑回归模型
84使用Spark对分类变量进行特征工程
841散列分类特征
842组合多个变量——特征交互
本章小结
习题
第9章使用回归算法预测股票价格
91有关股票市场和股票价格的简要概述
92什么是回归
93获取股价数据
931开始特征工程
932获取数据并生成特征
94使用线性回归来估计
941线性回归是如何工作的
942实现线性回归
95使用回归树进行预测
951从分类树到回归树
952实现回归树
953实现随机森林
96用支持向量回归机进行评估
961实现支持向量回归机
97用神经网络进行估算
971揭开神经网络的神秘面纱
972实现神经网络
98评估回归性能
99使用四种回归算法预测股票价格
本章小结
习题
第3部分Python机器学习*佳案例
第10章机器学习*佳案例
101机器学习解决方案流程
102数据准备阶段的*佳案例
1021*佳案例1——完全理解项目目标
1022*佳案例2——收集所有相关的特征
1023*佳案例3——保持特征值的一致性
1024*佳案例4——处理缺失数据
1025*佳案例5——存储大规模数据
103训练集生成阶段的*佳案例
1031*佳案例6——区分分类型特征与数值型特征
1032*佳案例7——决定是否要对分类型特征进行编码
1033*佳案例8——决定是否要选择特征和如何选择
1034*佳案例9——决定是否要降维和如何降维
1035*佳案例10——决定是否重新调整特征取值
1036*佳案例11——在拥有专业知识的条件下进行特征工程
1037*佳案例12——在缺少专业知识的条件下进行特征工程
1038*佳案例13——记录每个特征是如何生成的
1039*佳案例14——从文本数据中提取特征
104模型训练、评估和选择阶段的*佳案例
1041*佳案例15——选择合适的起步算法
1042*佳案例16——减少过拟合
1043*佳案例17——识别过拟合与欠拟合
1044*佳案例18——在大型数据集上建模
105部署和监视阶段的*佳案例
1051*佳案例19——保存、加载和重用模型
1052*佳案例20——监控模型性能
1053*佳案例21——定期更新模型
本章小结
习题
展开全部
本类五星书
本类畅销
-
全图解零基础word excel ppt 应用教程
¥16.3¥48.0 -
C Primer Plus 第6版 中文版
¥62.6¥108.0 -
零信任网络:在不可信网络中构建安全系统
¥34.2¥59.0 -
有限与无限的游戏:一个哲学家眼中的竞技世界
¥37.4¥68.0 -
硅谷之火-人与计算机的未来
¥20.3¥39.8 -
情感计算
¥66.8¥89.0 -
大模型RAG实战 RAG原理、应用与系统构建
¥74.3¥99.0 -
大学计算机基础实验教程(MS Office版)——面向数据分析能力培养
¥29.1¥39.8 -
LINUX企业运维实战(REDIS+ZABBIX+NGINX+PROMETHEUS+GRAFANA+LNMP)
¥51.8¥69.0 -
AI虚拟数字人:商业模式+形象创建+视频直播+案例应用
¥70.0¥89.8 -
LINUX实战——从入门到精通
¥52.4¥69.0 -
剪映AI
¥52.8¥88.0 -
快速部署大模型:LLM策略与实践(基于ChatGPT等大语言模型)
¥56.9¥79.0 -
数据驱动的工业人工智能:建模方法与应用
¥68.3¥99.0 -
数据存储架构与技术(第2版)
¥62.9¥89.8 -
纹样之美:中国传统经典纹样速查手册
¥76.3¥109.0 -
UG NX 12.0数控编程
¥24.8¥45.0 -
MATLAB计算机视觉与深度学习实战(第2版)
¥90.9¥128.0 -
UN NX 12.0多轴数控编程案例教程
¥24.3¥38.0 -
实战知识图谱
¥51.8¥69.0