本書基于豐富的圖示，詳細介紹了有監(jiān)督學習和無監(jiān)督學習的17種算法，包括線性回歸、正則化、邏輯回歸、支持向量機、核方法、樸素貝葉斯、隨機森林、神經(jīng)網(wǎng)絡、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進行了實現(xiàn)，讀者可一邊運行代碼一邊閱讀，從而加深對算法的理解。
152張圖表，輕松掌握17種常用算法！
沒有復雜公式，零基礎也可輕松讀懂！
1.全面
網(wǎng)羅有監(jiān)督學習和無監(jiān)督學習的17種算法，涉及回歸、分類、降維、聚類等問題。
2.直觀
全彩圖解，讓原本抽象復雜的算法變得一目了然，方便讀者快速了解各算法的特征，學會如何選擇恰當?shù)乃惴ā?3.易懂
幾乎沒有數(shù)學公式和統(tǒng)計術(shù)語，零基礎也可輕松讀懂。
4.實現(xiàn)
各算法均用Python代碼實現(xiàn)，基于Python 3.7版本，讀者可下載配套代碼資源，邊試邊學。
秋庭伸也（作者）
日本早稻田大學碩士畢業(yè)，目前在Recruit Communications公司擔任技術(shù)負責人。
杉山阿圣（作者）
具有多年研發(fā)經(jīng)驗，目前在AI創(chuàng)業(yè)公司SENSY擔任機器學習研究員。
寺田學（作者）
CMS Communications公司董事長、日本PyCon會議組織者、Plone基金會大使、Python工程師發(fā)展協(xié)會顧問理事、PSF（Python軟件基金會）貢獻成員。
鄭明智（譯者）
智慧醫(yī)療工程師，翻譯經(jīng)驗豐富，有《白話機器學習的數(shù)學》《用Python動手學機器學習》等多部譯著。
第 1章
機器學習基礎 1
1.1 機器學習概要 2
什么是機器學習 2
機器學習的種類 3
機器學習的應用 8
1.2 機器學習的步驟 9
數(shù)據(jù)的重要性 9
有監(jiān)督學習（分類）的例子 11
無監(jiān)督學習（聚類）的例子 16
可視化 18
圖形的種類和畫法：使用Matplotlib顯示圖形的方法 22
使用pandas理解和處理數(shù)據(jù) 30
本章小結(jié) 36
第 2章
有監(jiān)督學習 37
2.1 算法1：線性回歸 38
概述 38
算法說明 39
詳細說明 41
2.2 算法2：正則化 45
概述 45
算法說明 48
詳細說明 50
2.3 算法3：邏輯回歸 52
概述 52
算法說明 53
詳細說明 55
2.4 算法4：支持向量機 58
概述 58
算法說明 59
詳細說明 60
2.5 算法5：支持向量機（核方法） 63
概述 63
算法說明 64
詳細說明 65
2.6 算法6：樸素貝葉斯 68
概述 68
算法說明 70
詳細說明 74
2.7 算法7：隨機森林 76
概述 76
算法說明 77
詳細說明 80
2.8 算法8：神經(jīng)網(wǎng)絡 81
概述 81
算法說明 83
詳細說明 86
2.9 算法9：KNN 88
概述 88
算法說明 89
詳細說明 90
第3章
無監(jiān)督學習 93
3.1 算法10：PCA 94
概述 94
算法說明 95
詳細說明 98
3.2 算法11：LSA 99
概述 99
算法說明 100
詳細說明 104
3.3 算法12：NMF 105
概述 105
算法說明 106
詳細說明 108
3.4 算法13：LDA 111
概述 111
算法說明 112
詳細說明 114
3.5 算法14：k-means算法 117
概述 117
算法說明 117
詳細說明 119
3.6 算法15：混合高斯分布 122
概述 122
算法說明 123
詳細說明 126
3.7 算法16：LLE 127
概述 127
算法說明 128
詳細說明 131
3.8 算法17：t-SNE 133
概述 133
算法說明 134
詳細說明 136
第4章
評估方法和各種數(shù)據(jù)的處理 139
4.1 評估方法 140
有監(jiān)督學習的評估 140
分類問題的評估方法 140
回歸問題的評估方法 148
均方誤差和決定系數(shù)指標的不同 152
與其他算法進行比較 152
超參數(shù)的設置 154
模型的過擬合 155
防止過擬合的方法 155
將數(shù)據(jù)分為訓練數(shù)據(jù)和驗證數(shù)據(jù) 156
交叉驗證 158
搜索超參數(shù) 160
4.2 文本數(shù)據(jù)的轉(zhuǎn)換處理 163
基于單詞出現(xiàn)次數(shù)的轉(zhuǎn)換 163
基于tf-idf的轉(zhuǎn)換 164
應用于機器學習模型 165
4.3 圖像數(shù)據(jù)的轉(zhuǎn)換處理 167
直接將像素信息作為數(shù)值使用 167
將轉(zhuǎn)換后的向量數(shù)據(jù)作為輸入來應用機器學習模型 168
第5章
環(huán)境搭建 171
5.1 Python 3的安裝 172
Windows 172
macOS 172
Linux 173
使用Anaconda在Windows上安裝 174
5.2 虛擬環(huán)境 175
通過官方安裝程序安裝Python的情況 175
通過Anaconda安裝Python的情況 177
5.3 第三方包的安裝 178
什么是第三方包 178
安裝第三方包的方法 178
參考文獻 180
書單推薦
