Python机器学习 内容简介

机器学习与预测分析正在改变企业和其他组织的运作方式，本书将带领读者进入预测分析的世界。全书共13章，除了简要介绍机器学习及Python在机器学习中的应用，还系统讲述了数据分类、数据预处理、模型优化、集成学习、回归、聚类、神经网络、深度学习等内容。本书将机器学习背后的基本理论与应用实践联系起来，通过这种方式让读者聚焦于如何正确地提出问题、解决问题。本书讲解了如何使用Python的核心元素以及强大的机器学习库，同时还展示了如何正确使用一系列统计模型。本书可作为学习数据科学的初学者及想进一步拓展数据科学领域认识的读者的参考书。同样，本书也适合计算机等相关专业的本科生、研究生阅读。

Python机器学习 本书特色

机器学习与预测分析正在改变企业和其他组织的运作方式，本书将带领读者进入预测分析的世界。全书共13章，除了简要介绍机器学习及Python在机器学习中的应用，还系统讲述了数据分类、数据预处理、模型优化、集成学习、回归、聚类、神经网络、深度学习等内容。本书将机器学习背后的基本理论与应用实践联系起来，通过这种方式让读者聚焦于如何正确地提出问题、解决问题。本书讲解了如何使用Python的核心元素以及强大的机器学习库，同时还展示了如何正确使用一系列统计模型。本书可作为学习数据科学的初学者及想进一步拓展数据科学领域认识的读者的参考书。同样，本书也适合计算机等相关专业的本科生、研究生阅读。

Python机器学习 目录

目录
译者序
推荐序
作者简介
审校者简介
前言
第1章赋予计算机学习数据的能力1
1.1构建智能机器将数据转化为知识1
1.2机器学习的三种不同方法1
1.2.1通过监督学习对未来事件进行预测2
1.2.2通过强化学习解决交互式问题4
1.2.3通过无监督学习发现数据本身潜在的结构4
1.2.4基本术语及符号介绍5
1.3构建机器学习系统的蓝图6
1.3.1数据预处理6
1.3.2选择预测模型类型并进行训练7
1.3.3模型验证与使用未知数据进行预测8
1.4Python在机器学习中的应用8
本章小结9
第2章机器学习分类算法10
2.1人造神经元—早期机器学习概览10
2.2使用Python实现感知器学习算法13
2.3自适应线性神经元及其学习的收敛性19
2.3.1通过梯度下降*小化代价函数20
2.3.2使用Python实现自适应线性神经元21
2.3.3大规模机器学习与随机梯度下降25
本章小结29
第3章使用scikit-learn实现机器学习分类算法30
3.1分类算法的选择30
3.2初涉scikit-learn的使用30
使用scikit-learn训练感知器31
3.3逻辑斯谛回归中的类别概率34
3.3.1初识逻辑斯谛回归与条件概率34
3.3.2通过逻辑斯谛回归模型的代价函数获得权重36
3.3.3使用scikit-learn训练逻辑斯谛回归模型37
3.3.4通过正则化解决过拟合问题39
3.4使用支持向量机*大化分类间隔41
3.4.1对分类间隔*大化的直观认识41
3.4.2使用松弛变量解决非线性可分问题42
3.4.3使用scikit-learn实现SVM44
3.5使用核SVM解决非线性问题44
3.6决策树48
3.6.1*大化信息增益—获知尽可能准确的结果49
3.6.2构建决策树52
3.6.3通过随机森林将弱分类器集成为强分类器53
3.7惰性学习算法—k-近邻算法54
本章小结57
第4章数据预处理—构建好的训练数据集58
4.1缺失数据的处理58
4.1.1将存在缺失值的特征或样本删除59
4.1.2缺失数据填充60
4.1.3理解scikit-learn预估器的API60
4.2处理类别数据61
4.2.1有序特征的映射61
4.2.2类标的编码62
4.2.3标称特征上的独热编码63
4.3将数据集划分为训练数据集和测试数据集64
4.4将特征的值缩放到相同的区间65
4.5选择有意义的特征66
4.5.1使用L1正则化满足数据稀疏化67
4.5.2序列特征选择算法70
4.6通过随机森林判定特征的重要性74
本章小结76
第5章通过降维压缩数据77
5.1无监督数据降维技术—主成分分析77
5.1.1总体方差与贡献方差78
5.1.2特征转换80
5.1.3使用scikit-learn进行主成分分析82
5.2通过线性判别分析压缩无监督数据84
5.2.1计算散布矩阵85
5.2.2在新特征子空间上选取线性判别算法87
5.2.3将样本映射到新的特征空间89
5.2.4使用scikit-learn进行LDA分析90
5.3使用核主成分分析进行非线性映射91
5.3.1核函数与核技巧91
5.3.2使用Python实现核主成分分析94
5.3.3映射新的数据点99
5.3.4scikit-learn中的核主成分分析102
本章小结103
第6章模型评估与参数调优实战104
6.1基于流水线的工作流104
6.1.1加载威斯康星乳腺癌数据集104
6.1.2在流水线中集成数据转换及评估操作105
6.2使用k折交叉验证评估模型性能106
6.2.1holdout方法106
6.2.2k折交叉验证107
6.3通过学习及验证曲线来调试算法110
6.3.1使用学习曲线判定偏差和方差问题110
6.3.2通过验证曲线来判定过拟合与欠拟合112
6.4使用网格搜索调优机器学习模型113
6.4.1使用网络搜索调优超参114
6.4.2通过嵌套交叉验证选择算法115
6.5了解不同的性能评价指标116
6.5.1读取混淆矩阵116
6.5.2优化分类模型的准确率和召回率117
6.5.3绘制ROC曲线118
6.5.4多类别分类的评价标准121
本章小结121
第7章集成学习—组合不同的模型122
7.1集成学习122
7.2实现一个简单的多数投票分类器125
7.3评估与调优集成分类器131
7.4bagging —通过bootstrap样本构建集成分类器135
7.5通过自适应boosting提高弱学习机的性能138
本章小结143
第8章使用机器学习进行情感分析144
8.1获取IMDb电影评论数据集144
8.2词袋模型简介146
8.2.1将单词转换为特征向量146
8.2.2通过词频-逆文档频率计算单词关联度147
8.2.3清洗文本数据148
8.2.4标记文档149
8.3训练用于文档分类的逻辑斯谛回归模型151
8.4使用大数据—在线算法与外存学习152
本章小结155
第9章在Web应用中嵌入机器学习模型156
9.1序列化通过scikit-learn拟合的模型156
9.2使用SQLite数据库存储数据158
9.3使用Flask开发Web应用160
9.3.1**个Flask Web应用160
9.3.2表单验证及渲染161
9.4将电影分类器嵌入Web应用164
9.5在公共服务器上部署Web应用169
本章小结172
第10章使用回归分析预测连续型目标变量173
10.1简单线性回归模型初探173
10.2波士顿房屋数据集174
10.3基于*小二乘法构建线性回归模型178
10.3.1通过梯度下降计算回归参数178
10.3.2使用scikit-learn估计回归模型的系数181
10.4使用RANSAC拟合高鲁棒性回归模型182
10.5线性回归模型性能的评估184
10.6回归中的正则化方法185
10.7线性回归模型的曲线化-多项式回归186
10.7.1房屋数据集中的非线性关系建模188
10.7.2使用随机森林处理非线性关系190
本章小结193
第11章聚类分析——处理无类标数据194
11.1使用k-means算法对相似对象进行分组194
11.1.1k-means196
11.1.2硬聚类与软聚类198
11.1.3使用肘方法确定簇的*佳数量199
11.1.4通过轮廓图定量分析聚类质量200
11.2层次聚类203
11.2.1基于距离矩阵进行层次聚类204
11.2.2树状图与热度图的关联207
11.2.3通过scikit-learn进行凝聚聚类208
11.3使用DBSCAN划分高密度区域209
本章小结212
第12章使用人工神经网络识别图像213
12.1使用人工神经网络对复杂函数建模213
12.1.1单层神经网络回顾214
12.1.2多层神经网络架构简介215
12.1.3通过正向传播构造神经网络216
12.2手写数字的识别218
12.2.1获取MNIST数据集218
12.2.2实现一个多层感知器222
12.3人工神经网络的训练228
12.3.1计算逻辑斯谛代价函数228
12.3.2通过反向传播训练神经网络230
12.4建立对反向传播的直观认识231
12.5通过梯度检验调试神经网络232
12.6神经网络的收敛性236
12.7其他神经网络架构237
12.7.1卷积神经网络237
12.7.2循环神经网络238
12.8关于神经网络的实现239
本章小结240
第13章使用Theano并行训练神经网络241
13.1使用Theano构建、编译并运行表达式241
13.1.1什么是Theano242
13.1.2初探Theano243
13.1.3配置Theano244
13.1.4使用数组结构245
13.1.5整理思路—线性回归示例247
13.2为前馈神经网络选择激励函数250
13.2.1逻辑斯谛函数概述250
13.2.2通过softmax函数评估多类别分类任务中的类别概率252
13.2.3通过双曲正切函数增大输出范围252
13.3使用Keras提高训练神经网络的效率254
本章小结258

Python机器学习 作者简介

作 者 简 介Sebastian Raschka是密歇根州立大学的博士生，他在计算生物学领域提出了几种新的计算方法，还被科技博客Analytics Vidhya评为GitHub上具影响力的数据科学家。他有一整年都使用Python进行编程的经验，同时还多次参加数据科学应用与机器学习领域的研讨会。正是因为Sebastian 在数据科学、机器学习以及Python等领域拥有丰富的演讲和写作经验，他才有动力完成此书的撰写，目的是帮助那些不具备机器学习背景的人设计出由数据驱动的解决方案。
他还积极参与到开源项目中，由他开发完成的计算方法已经被成功应用到了机器学习竞赛（如Kaggle等）中。在业余时间，他沉醉于构建体育运动的预测模型，要么待在电脑前，要么在运动。
首先，我要感谢Arun Ross和Pang-Ning Tan教授，以及那些曾经启发我并激起我在模式分类、机器学习、数据挖掘领域兴趣的人。
我还想借此机会对Python社区和开源包的开发者表示感谢，他们帮助我创建了一个用于科学研究和数据科学的完美开发环境。
在此，还要特别感谢scikit-learn的核心开发人员。作为此项目的一个参与者，我有幸与这些极客合作，他们不仅对机器学习有着深入的了解，同时还都是非常出色的程序员。作 者 简 介Sebastian Raschka是密歇根州立大学的博士生，他在计算生物学领域提出了几种新的计算方法，还被科技博客Analytics Vidhya评为GitHub上具影响力的数据科学家。他有一整年都使用Python进行编程的经验，同时还多次参加数据科学应用与机器学习领域的研讨会。正是因为Sebastian 在数据科学、机器学习以及Python等领域拥有丰富的演讲和写作经验，他才有动力完成此书的撰写，目的是帮助那些不具备机器学习背景的人设计出由数据驱动的解决方案。
他还积极参与到开源项目中，由他开发完成的计算方法已经被成功应用到了机器学习竞赛（如Kaggle等）中。在业余时间，他沉醉于构建体育运动的预测模型，要么待在电脑前，要么在运动。
首先，我要感谢Arun Ross和Pang-Ning Tan教授，以及那些曾经启发我并激起我在模式分类、机器学习、数据挖掘领域兴趣的人。
我还想借此机会对Python社区和开源包的开发者表示感谢，他们帮助我创建了一个用于科学研究和数据科学的完美开发环境。
在此，还要特别感谢scikit-learn的核心开发人员。作为此项目的一个参与者，我有幸与这些极客合作，他们不仅对机器学习有着深入的了解，同时还都是非常出色的程序员。
后，我还要感谢所有对本书感兴趣的读者，也真心希望我的热情能够感染大家一起加入到Python与机器学习社区中来。