Python機(jī)器學(xué)習(xí)案例教程（原書(shū)第2版）
定 價(jià)：89 元
叢書(shū)名：大數(shù)據(jù)叢書(shū)
- 作者：劉宇熙（Yuxi Liu） 著，強(qiáng)彥 譯
- 出版時(shí)間：2021/5/1
- ISBN：9787111677109
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類(lèi)：TP311.561
- 頁(yè)碼：233
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16開(kāi)
本書(shū)包括3部分：第1部分介紹機(jī)器學(xué)習(xí)的基本概念，它們是機(jī)器學(xué)習(xí)的預(yù)備知識(shí)；第2部分系統(tǒng)介紹幾種成熟的機(jī)器學(xué)習(xí)算法和技術(shù)；第3部分介紹貫穿整個(gè)機(jī)器學(xué)習(xí)工作流程的21個(gè)*佳案例，并且討論具有前瞻性的方法和想法，它們被公認(rèn)為是機(jī)器學(xué)習(xí)未來(lái)的研究重點(diǎn)。本書(shū)中的代碼均在Python 3中測(cè)試通過(guò)。
本書(shū)適合高等院校相關(guān)專(zhuān)業(yè)的大學(xué)生、研究生或教師閱讀學(xué)習(xí)，以及不具有機(jī)器學(xué)習(xí)或統(tǒng)計(jì)背景但是想要快速補(bǔ)充機(jī)器學(xué)習(xí)算法知識(shí)，以便在實(shí)際產(chǎn)品或平臺(tái)中應(yīng)用的軟件工程師。
Copyright Packt Publishing 2019
First published in the English language under the title“Python Machine Learning By Example-Second Edition-(9781789616729)”
Copyright in the Chinese language(simplified characters) 2021 China Machine Press
This title is published in China by China Machine Press with license from Packt Publishing LtdThis edition is authorized for sale in China only, excluding Hong Kong SAR, Macao SAR and TaiwanUnauthorized export of this edition is a violation of the Copyright ActViolation of this Law is subject to Civil and Criminal Penalties
本書(shū)由Packt Publishing Ltd授權(quán)機(jī)械工業(yè)出版社在中華人民共和國(guó)境內(nèi)（不包括香港、澳門(mén)特別行政區(qū)及臺(tái)灣地區(qū)）出版與發(fā)行。未經(jīng)許可的出口，視為違反著作權(quán)法，將受法律制裁。
北京市版權(quán)局著作權(quán)合同登記圖字：01-2019-5823號(hào)。
人們之所以會(huì)對(duì)機(jī)器學(xué)習(xí)產(chǎn)生濃厚的興趣，是因?yàn)樗梢酝ㄟ^(guò)學(xué)習(xí)數(shù)據(jù)中的模式，并利用這些模式做出預(yù)測(cè)和決策，從而革命性地實(shí)現(xiàn)自動(dòng)化。如果你對(duì)機(jī)器學(xué)習(xí)感興趣，本書(shū)可以作為你的入門(mén)書(shū)籍。
本書(shū)是《Python機(jī)器學(xué)習(xí)案例教程》的第2版，從介紹Python庫(kù)的重要概念和實(shí)現(xiàn)開(kāi)始，每章都會(huì)引導(dǎo)你了解一個(gè)行業(yè)使用的應(yīng)用程序。你可以通過(guò)簡(jiǎn)單易懂的方式在探索性數(shù)據(jù)分析、特征工程和自然語(yǔ)言處理（Natural Language Processing，NLP）等領(lǐng)域中應(yīng)用機(jī)器學(xué)習(xí)技術(shù)。
本書(shū)將幫助你學(xué)習(xí)如何解決數(shù)據(jù)驅(qū)動(dòng)的問(wèn)題，并利用簡(jiǎn)單而強(qiáng)大的Python語(yǔ)言、流行的Python包和工具（如TensorFlow、scikit-learn庫(kù)、Gensim和Keras）解決問(wèn)題。為了幫助你理解流行的機(jī)器學(xué)習(xí)算法，本書(shū)使用了許多有趣且簡(jiǎn)單的示例，如新聞主題建模和分類(lèi)、垃圾郵件檢測(cè)和股票價(jià)格預(yù)測(cè)。
通過(guò)本書(shū)，你將對(duì)機(jī)器學(xué)習(xí)的體系結(jié)構(gòu)有一個(gè)全面的了解，并熟練掌握如何應(yīng)用機(jī)器學(xué)習(xí)技術(shù)來(lái)迎接新的機(jī)會(huì)和挑戰(zhàn)。
本書(shū)受眾
如果你是一個(gè)對(duì)機(jī)器學(xué)習(xí)有濃厚興趣的數(shù)據(jù)分析師或者是一個(gè)對(duì)機(jī)器學(xué)習(xí)充滿(mǎn)激情的數(shù)據(jù)工程師，那么本書(shū)就是為你準(zhǔn)備的。如果你之前已經(jīng)了解并掌握Python編碼的基礎(chǔ)知識(shí)和統(tǒng)計(jì)學(xué)基本概念，將對(duì)學(xué)習(xí)本書(shū)很有幫助。但是如果你不了解上述知識(shí)和概念，也沒(méi)關(guān)系。
本書(shū)包含的內(nèi)容
第1章，機(jī)器學(xué)習(xí)和Python入門(mén)，這將是讀者進(jìn)入Python機(jī)器學(xué)習(xí)領(lǐng)域的起點(diǎn)。本章將介紹機(jī)器學(xué)習(xí)的基本概念，其余部分將在之后的章節(jié)探討。此外，本章還將討論P(yáng)ython機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，并解釋如何在后續(xù)的示例和項(xiàng)目中正確運(yùn)用它。
第2章，使用文本分析技術(shù)研究20組新聞數(shù)據(jù)集。本章將開(kāi)發(fā)本書(shū)的第一個(gè)項(xiàng)目，研究和挖掘20組新聞數(shù)據(jù)集。該項(xiàng)目拆分為兩章：第2章——使用文本分析技術(shù)研究20組新聞數(shù)據(jù)集及第3章——使用聚類(lèi)和主題建模算法挖掘20組新聞數(shù)據(jù)集。在本章中，讀者將熟悉本項(xiàng)目相關(guān)的NLP和各種NLP庫(kù)的使用以及幾個(gè)重要的NLP技術(shù)如何在NLTK中實(shí)現(xiàn)。此外，還將介紹降維技術(shù)，特別是t-SNE在文本數(shù)據(jù)可視化中的應(yīng)用。
第3章，使用聚類(lèi)和主題建模算法挖掘20組新聞數(shù)據(jù)集。在研究了20組新聞數(shù)據(jù)集之后，繼續(xù)上一章的新聞組項(xiàng)目。在本章中，讀者將學(xué)習(xí)無(wú)監(jiān)督學(xué)習(xí)中的聚類(lèi)算法和一些先進(jìn)的NLP技術(shù)，如LDA和詞嵌入。使用k均值算法對(duì)新聞組數(shù)據(jù)進(jìn)行聚類(lèi)，并使用NMF和LDA進(jìn)行主題檢測(cè)。
第4章，使用樸素貝葉斯檢測(cè)垃圾郵件，開(kāi)始監(jiān)督學(xué)習(xí)之旅。本章將重點(diǎn)討論如何使用樸素貝葉斯算法分類(lèi)，并將其實(shí)現(xiàn)。本章還將介紹機(jī)器學(xué)習(xí)領(lǐng)域中的其他重要概念，如分類(lèi)性能評(píng)估、模型選擇和調(diào)優(yōu)以及交叉驗(yàn)證。本章最后將演示垃圾郵件檢測(cè)等示例。
第5章，使用支持向量機(jī)對(duì)新聞組主題進(jìn)行分類(lèi)。本章將重用在第2章和第3章中使用過(guò)的數(shù)據(jù)集，也將介紹多元分類(lèi)、支持向量機(jī)以及它們?cè)谥黝}分類(lèi)中的應(yīng)用。本章還將提到一些其他重要的概念，如內(nèi)核機(jī)、過(guò)擬合和正則化。
第6章，使用基于樹(shù)的算法預(yù)測(cè)在線廣告點(diǎn)擊率。本章在解決廣告點(diǎn)擊率問(wèn)題的過(guò)程中，將深入介紹和解釋決策樹(shù)和隨機(jī)森林。此外，還將介紹基于樹(shù)模型的重要概念，如集合、特征重要性和特征選擇。
第7章，使用邏輯回歸預(yù)測(cè)在線廣告點(diǎn)擊率。本章將介紹和解釋前幾章中關(guān)于同一項(xiàng)目的邏輯回歸分類(lèi)。此外，還將介紹其他概念，如分類(lèi)變量編碼、L1和L2正則化、特征選擇、在線學(xué)習(xí)和隨機(jī)梯度下降以及如何處理大型數(shù)據(jù)集。
第8章，將預(yù)測(cè)擴(kuò)展到TB級(jí)點(diǎn)擊日志。本章將介紹在線廣告點(diǎn)擊率預(yù)測(cè)，在一個(gè)典型的大型機(jī)器學(xué)習(xí)問(wèn)題中，有數(shù)以百萬(wàn)計(jì)的標(biāo)簽樣本，本章將利用諸如Apache Hadoop和Spark等強(qiáng)大的并行計(jì)算工具來(lái)探索一個(gè)比前幾章更完善的解決方案。此外，還將介紹Spark的基本概念，如安裝、RDD和核心編程以及機(jī)器學(xué)習(xí)組件。使用整個(gè)數(shù)百萬(wàn)個(gè)樣本的數(shù)據(jù)集探索數(shù)據(jù)，構(gòu)建分類(lèi)模型，執(zhí)行特征工程，并使用Spark進(jìn)行性能評(píng)估，這在一定程度上擴(kuò)大了計(jì)算范圍。
第9章，使用回歸算法預(yù)測(cè)股票價(jià)格。本項(xiàng)目的目的是利用雅虎/谷歌的財(cái)務(wù)數(shù)據(jù)以及其他可能的附加數(shù)據(jù)來(lái)分析和預(yù)測(cè)股票的市場(chǎng)價(jià)格。
本章從金融領(lǐng)域遇到的挑戰(zhàn)開(kāi)始，并簡(jiǎn)要解釋相關(guān)概念；緊接著獲取和探索數(shù)據(jù)集，并在探索性數(shù)據(jù)分析后開(kāi)始特征工程；核心部分將介紹回歸和回歸算法、線性回歸、決策樹(shù)、SVR以及神經(jīng)網(wǎng)絡(luò)。你還將練習(xí)使用scikit-learn庫(kù)和TensorFlow API解決回歸問(wèn)題。
第10章，機(jī)器學(xué)習(xí)最佳案例。本章涵蓋了機(jī)器學(xué)習(xí)中的最佳案例。學(xué)習(xí)本書(shū)介紹的多個(gè)項(xiàng)目之后，你將對(duì)Python的機(jī)器學(xué)習(xí)體系結(jié)構(gòu)有一個(gè)大致的了解。但是，你一旦開(kāi)始處理實(shí)際項(xiàng)目，仍然會(huì)遇到一些問(wèn)題。本章主要在整個(gè)機(jī)器學(xué)習(xí)流程中提供21種最佳案例，既為讀者的學(xué)習(xí)提供保障，也為讀者處理項(xiàng)目提供指引。
充分利用這本書(shū)
你需要具備Python的基本知識(shí)、基礎(chǔ)的機(jī)器學(xué)習(xí)算法以及一些Python庫(kù)，如TensorFlow和Keras，這樣可以使你的項(xiàng)目模型更加簡(jiǎn)單。
下載示例代碼文件
你可以下載本書(shū)的示例代碼文件，網(wǎng)址為wwwpacktcom。如果是在其他地方購(gòu)買(mǎi)了這本書(shū)，可以訪問(wèn)wwwpacktcom/support并注冊(cè)，文件將直接通過(guò)電子郵件發(fā)送給你。
按照以下步驟下載代碼文件：
1）登
譯者序
前言
第1部分機(jī)器學(xué)習(xí)的基礎(chǔ)
第1章機(jī)器學(xué)習(xí)和Python入門(mén)
11超高水平的機(jī)器學(xué)習(xí)技術(shù)概述
111機(jī)器學(xué)習(xí)任務(wù)的分類(lèi)
112機(jī)器學(xué)習(xí)算法的發(fā)展簡(jiǎn)史
12機(jī)器學(xué)習(xí)的核心——數(shù)據(jù)泛化
121過(guò)擬合、欠擬合和偏差-方差權(quán)衡
122利用交叉驗(yàn)證避免過(guò)擬合
123利用正則化避免過(guò)擬合
124通過(guò)特征選擇和降維避免過(guò)擬合
13預(yù)處理、探索和特征工程
131缺失值
132標(biāo)簽編碼
133獨(dú)熱編碼
134縮放
135多項(xiàng)式特征
136冪變換
137分箱
14組合模型
141投票法和平均法
142裝袋法
143提升方法
144堆疊法
15安裝軟件和設(shè)置
151設(shè)置Python和環(huán)境
152安裝各種軟件包
本章小結(jié)
習(xí)題
第2部分Python機(jī)器學(xué)習(xí)實(shí)例
第2章使用文本分析技術(shù)研究20組新聞數(shù)據(jù)集
21計(jì)算機(jī)如何理解語(yǔ)言——NLP
22瀏覽NLP庫(kù)并學(xué)習(xí)NLP基礎(chǔ)知識(shí)
221語(yǔ)料庫(kù)
222標(biāo)記
223詞性
224命名實(shí)體識(shí)別
225詞干提取和詞形還原
226語(yǔ)義和主題建模
23獲取新聞組數(shù)據(jù)
24研究新聞組數(shù)據(jù)
25考慮文本數(shù)據(jù)的特性
251計(jì)算每個(gè)單詞表征的出現(xiàn)次數(shù)
252文本預(yù)處理
253丟棄停止詞
254詞干提取和詞形還原法
26使用t-SNE可視化新聞組數(shù)據(jù)
261什么是降維
262用于降維的t-SNE
本章小結(jié)
習(xí)題
第3章使用聚類(lèi)和主題建模算法挖掘20組新聞數(shù)據(jù)集
31沒(méi)有指導(dǎo)的學(xué)習(xí)——無(wú)監(jiān)督學(xué)習(xí)
32使用k均值聚類(lèi)算法對(duì)新聞數(shù)據(jù)集進(jìn)行聚類(lèi)
321k均值聚類(lèi)算法是如何聚類(lèi)的?
322從頭實(shí)現(xiàn)k均值聚類(lèi)算法
323用機(jī)器學(xué)習(xí)實(shí)現(xiàn)k均值聚類(lèi)算法
324k值的選擇
325使用k均值聚類(lèi)新聞組數(shù)據(jù)
33在新聞組中發(fā)現(xiàn)基礎(chǔ)主題
34使用NMF進(jìn)行主題建模
35使用LDA進(jìn)行主題建模
本章小結(jié)
習(xí)題
第4章使用樸素貝葉斯檢測(cè)垃圾郵件
41從分類(lèi)開(kāi)始
411分類(lèi)算法的類(lèi)型
412文本分類(lèi)的應(yīng)用
42探索樸素貝葉斯
421通過(guò)案例來(lái)學(xué)習(xí)貝葉斯定理
422樸素貝葉斯的結(jié)構(gòu)
423運(yùn)用scratch庫(kù)實(shí)現(xiàn)樸素貝葉斯分類(lèi)器
424運(yùn)用scikit-learn庫(kù)實(shí)現(xiàn)樸素貝葉斯分類(lèi)器
43分類(lèi)性能評(píng)估
44模型調(diào)優(yōu)和交叉驗(yàn)證
本章小結(jié)
習(xí)題
第5章使用支持向量機(jī)對(duì)新聞組主題進(jìn)行分類(lèi)
51用支持向量機(jī)尋找分離邊界
511通過(guò)不同的示例了解支持向量機(jī)如何工作
512實(shí)現(xiàn)支持向量機(jī)
513支持向量機(jī)的核心
514在線性核和RBF核之間進(jìn)行選擇
52使用支持向量機(jī)對(duì)新聞組主題進(jìn)行分類(lèi)
53更多示例——心臟造影的胎兒狀態(tài)分類(lèi)
54另一個(gè)示例——使用TensorFlow完成基于支持向量機(jī)的乳腺癌分類(lèi)
本章小結(jié)
習(xí)題
第6章使用基于樹(shù)的算法預(yù)測(cè)在線廣告點(diǎn)擊率
61廣告點(diǎn)擊率預(yù)測(cè)概述
62兩種類(lèi)型數(shù)據(jù)：數(shù)值型和分類(lèi)型
63從根到葉探索決策樹(shù)
631構(gòu)建決策樹(shù)
632衡量分裂的標(biāo)準(zhǔn)
64從頭實(shí)現(xiàn)決策樹(shù)
65用決策樹(shù)預(yù)測(cè)廣告點(diǎn)擊率
66集成決策樹(shù)——隨機(jī)森林
661使用TensorFlow實(shí)現(xiàn)隨機(jī)森林
本章小結(jié)
習(xí)題
第7章使用邏輯回歸預(yù)測(cè)在線廣告點(diǎn)擊率
71將分類(lèi)特征轉(zhuǎn)換為數(shù)字特征——獨(dú)熱編碼和順序編碼
72用邏輯回歸對(duì)數(shù)據(jù)進(jìn)行分類(lèi)
721邏輯函數(shù)入門(mén)
722從邏輯函數(shù)到邏輯回歸
73訓(xùn)練邏輯回歸模型
731利用梯度下降訓(xùn)練邏輯回歸模型
732利用梯度下降的邏輯回歸模型預(yù)測(cè)在線廣告點(diǎn)擊率
733利用隨機(jī)梯度下降訓(xùn)練邏輯回歸模型
734利用正則化訓(xùn)練邏輯回歸模型
74通過(guò)在線學(xué)習(xí)訓(xùn)練大型數(shù)據(jù)集
75處理多元分類(lèi)
76使用TensorFlow實(shí)現(xiàn)邏輯回歸
77使用隨機(jī)森林進(jìn)行特征選擇
本章小結(jié)
習(xí)題
第8章將預(yù)測(cè)擴(kuò)展到TB級(jí)點(diǎn)擊日志
81學(xué)習(xí)Apache Spark的基本知識(shí)
811了解 Spark
812安裝Spark
813啟動(dòng)和部署Spark程序
82在PySpark中編程
83使用Spark學(xué)習(xí)大量點(diǎn)擊日志
831加載點(diǎn)擊日志
832拆分和緩存數(shù)據(jù)
833對(duì)分類(lèi)特征進(jìn)行獨(dú)熱編碼
834訓(xùn)練和測(cè)試邏輯回歸模型
84使用Spark對(duì)分類(lèi)變量進(jìn)行特征工程
841散列分類(lèi)特征
842組合多個(gè)變量——特征交互
本章小結(jié)
習(xí)題
第9章使用回歸算法預(yù)測(cè)股票價(jià)格
91有關(guān)股票市場(chǎng)和股票價(jià)格的簡(jiǎn)要概述
92什么是回歸
93獲取股價(jià)數(shù)據(jù)
931開(kāi)始特征工程
932獲取數(shù)據(jù)并生成特征
94使用線性回歸來(lái)估計(jì)
941線性回歸是如何工作的
942實(shí)現(xiàn)線性回歸
95使用回歸樹(shù)進(jìn)行預(yù)測(cè)
951從分類(lèi)樹(shù)到回歸樹(shù)
952實(shí)現(xiàn)回歸樹(shù)
953實(shí)現(xiàn)隨機(jī)森林
96用支持向量回歸機(jī)進(jìn)行評(píng)估
961實(shí)現(xiàn)支持向量回歸機(jī)
97用神經(jīng)網(wǎng)絡(luò)進(jìn)行估算
971揭開(kāi)神經(jīng)網(wǎng)絡(luò)的神秘面紗
972實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)
98評(píng)估回歸性能
99使用四種回歸算法預(yù)測(cè)股票價(jià)格
本章小結(jié)
習(xí)題
第3部分Python機(jī)器學(xué)習(xí)最佳案例
第10章機(jī)器學(xué)習(xí)最佳案例
101機(jī)器學(xué)習(xí)解決方案流程
102數(shù)據(jù)準(zhǔn)備階段的最佳案例
1021最佳案例1——完全理解項(xiàng)目目標(biāo)
1022最佳案例2——收集所有相關(guān)的特征
1023最佳案例3——保持特征值的一致性
1024最佳案例4——處理缺失數(shù)據(jù)
1025最佳案例5——存儲(chǔ)大規(guī)模數(shù)據(jù)
103訓(xùn)練集生成階段的最佳案例
1031最佳案例6——區(qū)分分類(lèi)型特征與數(shù)值型特征
1032最佳案例7——決定是否要對(duì)分類(lèi)型特征進(jìn)行編碼
1033最佳案例8——決定是否要選擇特征和如何選擇
1034最佳案例9——決定是否要降維和如何降維
1035最佳案例10——決定是否重新調(diào)整特征取值
1036最佳案例11——在擁有專(zhuān)業(yè)知識(shí)的條件下進(jìn)行特征工程
1037最佳案例12——在缺少專(zhuān)業(yè)知識(shí)的條件下進(jìn)行特征工程
1038最佳案例13——記錄每個(gè)特征是如何生成的
1039最佳案例14——從文本數(shù)據(jù)中提取特征
104模型訓(xùn)練、評(píng)估和選擇階段的最佳案例
1041最佳案例15——選擇合適的起步算法
1042最佳案例16——減少過(guò)擬合
1043最佳案例17——識(shí)別過(guò)擬合與欠擬合
1044最佳案例18——在大型數(shù)據(jù)集上建模
105部署和監(jiān)視階段的最佳案例
1051最佳案例19——保存、加載和重用模型
1052最佳案例20——監(jiān)控模型性能
1053最佳案例21——定期更新模型
本章小結(jié)
習(xí)題
書(shū)單推薦
