编辑推荐
本书内容包括监督学习技术、预测建模、无监督学习算法等前沿话题的实例代码展示，带你用Python库来解决机器学习实际问题。
内容简介
本书介绍了如何使用scikit-learn、TensorFlow等关键库来有效解决现实世界的机器学习问题。本书着重于实用的解决方案，提供多个案例，详细地讲解了如何使用Python生态系统中的现代库来构建功能强大的机器学习应用程序；还介绍了分类、聚类和推荐引擎等多种机器学习算法，以及如何将监督学习和无监督学习技术应用于实际问题；最后，介绍了强化学习、深度神经网络和自动机器学习等应用示例。
作者简介
作者朱塞佩·查博罗拥有环境技术物理学博士学位和两个学科的硕士学位，他的重点研究方向是机器学习在城市声环境研究中的应用。
他有超过15年的编程专业经验（Python、R、MATLAB），开始从事燃烧学领域的研究，后又致力于声学和噪音控制方向。
章节目录
版权信息
版权声明
内容提要
作者简介
审稿者简介
译者简介
前言
资源与支持
第1章 监督学习
1.1 技术要求
1.2 简介
1.3 用Python创建数组
1.3.1 准备工作
1.3.2 详细步骤
1.3.3 工作原理
1.3.4 更多内容
1.4 用均值移除法进行数据预处理
1.4.1 准备工作
1.4.2 详细步骤
1.4.3 工作原理
1.4.4 更多内容
1.5 数据缩放
1.5.1 准备工作
1.5.2 详细步骤
1.5.3 工作原理
1.5.4 更多内容
1.6 归一化
1.6.1 准备工作
1.6.2 详细步骤
1.6.3 工作原理
1.6.4 更多内容
1.7 二值化
1.7.1 准备工作
1.7.2 详细步骤
1.7.3 工作原理
1.7.4 更多内容
1.8 one-hot编码
1.8.1 准备工作
1.8.2 详细步骤
1.8.3 工作原理
1.8.4 更多内容
1.9 标签编码
1.9.1 准备工作
1.9.2 详细步骤
1.9.3 工作原理
1.9.4 更多内容
1.10 构建线性回归器
1.10.1 准备工作
1.10.2 详细步骤
1.10.3 工作原理
1.10.4 更多内容
1.11 计算回归准确度
1.11.1 准备工作
1.11.2 详细步骤
1.11.3 工作原理
1.11.4 更多内容
1.12 模型持久化
1.12.1 准备工作
1.12.2 详细步骤
1.12.3 工作原理
1.12.4 更多内容
1.13 构建岭回归器
1.13.1 准备工作
1.13.2 详细步骤
1.13.3 工作原理
1.14 构建多项式回归器
1.14.1 准备工作
1.14.2 详细步骤
1.14.3 工作原理
1.14.4 更多内容
1.15 估算房屋价格
1.15.1 准备工作
1.15.2 详细步骤
1.15.3 工作原理
1.15.4 更多内容
1.16 计算特征的相对重要性
1.16.1 准备工作
1.16.2 详细步骤
1.16.3 工作原理
1.16.4 更多内容
1.17 评估共享单车的需求分布
1.17.1 准备工作
1.17.2 详细步骤
1.17.3 工作原理
1.17.4 更多内容
第2章 构建分类器
2.1 技术要求
2.2 简介
2.3 构建简单分类器
2.3.1 准备工作
2.3.2 详细步骤
2.3.3 工作原理
2.3.4 更多内容
2.4 构建逻辑回归分类器
2.4.1 准备工作
2.4.2 详细步骤
2.4.3 工作原理
2.4.4 更多内容
2.5 构建朴素贝叶斯分类器
2.5.1 准备工作
2.5.2 详细步骤
2.5.3 工作原理
2.5.4 更多内容
2.6 将数据集划分成训练集和测试集
2.6.1 准备工作
2.6.2 详细步骤
2.6.3 工作原理
2.6.4 更多内容
2.7 用交叉验证评估模型准确度
2.7.1 准备工作
2.7.2 详细步骤
2.7.3 工作原理
2.7.4 更多内容
2.8 混淆矩阵可视化
2.8.1 准备工作
2.8.2 详细步骤
2.8.3 工作原理
2.8.4 更多内容
2.9 提取性能报告
2.9.1 准备工作
2.9.2 详细步骤
2.9.3 工作原理
2.9.4 更多内容
2.10 根据特征评估汽车质量
2.10.1 准备工作
2.10.2 详细步骤
2.10.3 工作原理
2.10.4 更多内容
2.11 生成验证曲线
2.11.1 准备工作
2.11.2 详细步骤
2.11.3 工作原理
2.11.4 更多内容
2.12 生成学习曲线
2.12.1 准备工作
2.12.2 详细步骤
2.12.3 工作原理
2.12.4 更多内容
2.13 估算收入阶层
2.13.1 准备工作
2.13.2 详细步骤
2.13.3 工作原理
2.13.4 更多内容
2.14 葡萄酒质量预测
2.14.1 准备工作
2.14.2 详细步骤
2.14.3 工作原理
2.14.4 更多内容
2.15 新闻组热门话题分类
2.15.1 准备工作
2.15.2 详细步骤
2.15.3 工作原理
2.15.4 更多内容
第3章 预测建模
3.1 技术要求
3.2 简介
3.3 用SVM构建线性分类器
3.3.1 准备工作
3.3.2 详细步骤
3.3.3 工作原理
3.3.4 更多内容
3.4 用SVM构建非线性分类器
3.4.1 准备工作
3.4.2 详细步骤
3.4.3 工作原理
3.4.4 更多内容
3.5 解决类型不平衡问题
3.5.1 准备工作
3.5.2 详细步骤
3.5.3 工作原理
3.5.4 更多内容
3.6 提取置信度
3.6.1 准备工作
3.6.2 详细步骤
3.6.3 工作原理
3.6.4 更多内容
3.7 寻找最优超参数
3.7.1 准备工作
3.7.2 详细步骤
3.7.3 工作原理
3.7.4 更多内容
3.8 构建事件预测器
3.8.1 准备工作
3.8.2 详细步骤
3.8.3 工作原理
3.8.4 更多内容
3.9 估算交通流量
3.9.1 准备工作
3.9.2 详细步骤
3.9.3 工作原理
3.9.4 更多内容
3.10 用TensorFlow简化机器学习流程
3.10.1 准备工作
3.10.2 详细步骤
3.10.3 工作原理
3.10.4 更多内容
3.11 堆叠法实现
3.11.1 准备工作
3.11.2 详细步骤
3.11.3 工作原理
3.11.4 更多内容
第4章 无监督学习——聚类
4.1 技术要求
4.2 简介
4.3 用k-means算法聚类数据
4.3.1 准备工作
4.3.2 详细步骤
4.3.3 工作原理
4.3.4 更多内容
4.4 用向量量化压缩图片
4.4.1 准备工作
4.4.2 详细步骤
4.4.3 工作原理
4.4.4 更多内容
4.5 用凝聚层次聚类进行数据分组
4.5.1 准备工作
4.5.2 详细步骤
4.5.3 工作原理
4.5.4 更多内容
4.6 评估聚类算法性能
4.6.1 准备工作
4.6.2 详细步骤
4.6.3 工作原理
4.6.4 更多内容
4.7 用DBSCAN算法估算簇的个数
4.7.1 准备工作
4.7.2 详细步骤
4.7.3 工作原理
4.7.4 更多内容
4.8 探索股票数据模式
4.8.1 准备工作
4.8.2 详细步骤
4.8.3 工作原理
4.8.4 更多内容
4.9 构建市场细分模型
4.9.1 准备工作
4.9.2 详细步骤
4.9.3 工作原理
4.9.4 更多内容
4.10 用自动编码器重构手写数字图像
4.10.1 准备工作
4.10.2 详细步骤
4.10.3 工作原理
4.10.4 更多内容
第5章 可视化数据
5.1 技术需求
5.2 简介
5.3 画3D散点图
5.3.1 准备工作
5.3.2 详细步骤
5.3.3 工作原理
5.3.4 更多内容
5.4 画气泡图
5.4.1 准备工作
5.4.2 详细步骤
5.4.3 工作原理
5.4.4 更多内容
5.5 画动态气泡图
5.5.1 准备工作
5.5.2 详细步骤
5.5.3 工作原理
5.5.4 更多内容
5.6 画饼图
5.6.1 准备工作
5.6.2 详细步骤
5.6.3 工作原理
5.6.4 更多内容
5.7 绘制日期格式的时间序列数据
5.7.1 准备工作
5.7.2 详细步骤
5.7.3 工作原理
5.7.4 更多内容
5.8 画直方图
5.8.1 准备工作
5.8.2 详细步骤
5.8.3 工作原理
5.8.4 更多内容
5.9 可视化热力图
5.9.1 准备工作
5.9.2 详细步骤
5.9.3 工作原理
5.9.4 更多内容
5.10 动态信号的可视化模拟
5.10.1 准备工作
5.10.2 详细步骤
5.10.3 工作原理
5.10.4 更多内容
5.11 用seaborn库画图
5.11.1 准备工作
5.11.2 详细步骤
5.11.3 工作原理
5.11.4 更多内容
第6章 构建推荐引擎
6.1 技术要求
6.2 简介
6.3 为数据处理构建函数组合
6.3.1 准备工作
6.3.2 详细步骤
6.3.3 工作原理
6.3.4 更多内容
6.4 构建机器学习管道
6.4.1 准备工作
6.4.2 详细步骤
6.4.3 工作原理
6.4.4 更多内容
6.5 构建最近邻分类器
6.5.1 准备工作
6.5.2 详细步骤
6.5.3 工作原理
6.5.4 更多内容
6.6 构建KNN分类器
6.6.1 准备工作
6.6.2 详细步骤
6.6.3 工作原理
6.6.4 更多内容
6.7 构建KNN回归器
6.7.1 准备工作
6.7.2 详细步骤
6.7.3 工作原理
6.7.4 更多内容
6.8 计算欧式距离分数
6.8.1 准备工作
6.8.2 详细步骤
6.8.3 工作原理
6.8.4 更多内容
6.9 计算皮尔逊相关系数
6.9.1 准备工作
6.9.2 详细步骤
6.9.3 工作原理
6.9.4 更多内容
6.10 查找数据集中的相似用户
6.10.1 准备工作
6.10.2 详细步骤
6.10.3 工作原理
6.10.4 更多内容
6.11 生成电影推荐
6.11.1 准备工作
6.11.2 详细步骤
6.11.3 工作原理
6.11.4 更多内容
6.12 实现排序算法
6.12.1 准备工作
6.12.2 详细步骤
6.12.3 工作原理
6.12.4 更多内容
6.13 用TensorFlow构建过滤器模型
6.13.1 准备工作
6.13.2 详细步骤
6.13.3 工作原理
6.13.4 更多内容
第7章 文本数据分析
7.1 技术要求
7.2 简介
7.3 用标记解析的方法预处理数据
7.3.1 准备工作
7.3.2 详细步骤
7.3.3 工作原理
7.3.4 更多内容
7.4 提取文本数据的词干
7.4.1 准备工作
7.4.2 详细步骤
7.4.3 工作原理
7.4.4 更多内容
7.5 用词形还原的方法还原文本的基本形式
7.5.1 准备工作
7.5.2 详细步骤
7.5.3 工作原理
7.5.4 更多内容
7.6 用分块的方法划分文本
7.6.1 详细步骤
7.6.2 工作原理
7.6.3 更多内容
7.7 构建词袋模型
7.7.1 准备工作
7.7.2 详细步骤
7.7.3 工作原理
7.7.4 更多内容
7.8 构建文本分类器
7.8.1 准备工作
7.8.2 详细步骤
7.8.3 工作原理
7.8.4 更多内容
7.9 识别名字性别
7.9.1 准备工作
7.9.2 详细步骤
7.9.3 工作原理
7.9.4 更多内容
7.10 语句情感分析
7.10.1 准备工作
7.10.2 详细步骤
7.10.3 工作原理
7.10.4 更多内容
7.11 用主题建模识别文本模式
7.11.1 准备工作
7.11.2 详细步骤
7.11.3 工作原理
7.11.4 更多内容
7.12 用spaCy进行词性标注
7.12.1 准备工作
7.12.2 详细步骤
7.12.3 工作原理
7.12.4 更多内容
7.13 用gensim构建Word2Vec模型
7.13.1 准备工作
7.13.2 详细步骤
7.13.3 工作原理
7.13.4 更多内容
7.14 用浅层学习检测垃圾信息
7.14.1 准备工作
7.14.2 详细步骤
7.14.3 工作原理
7.14.4 更多内容
第8章 语音识别
8.1 技术要求
8.2 简介
8.3 读取和绘制音频数据
8.3.1 准备工作
8.3.2 详细步骤
8.3.3 工作原理
8.3.4 更多内容
8.4 将音频信号转换为频域
8.4.1 准备工作
8.4.2 详细步骤
8.4.3 工作原理
8.4.4 更多内容
8.5 用自定义参数生成音频信号
8.5.1 准备工作
8.5.2 详细步骤
8.5.3 工作原理
8.5.4 更多内容
8.6 合成音乐
8.6.1 准备工作
8.6.2 详细步骤
8.6.3 工作原理
8.6.4 更多内容
8.7 提取频域特征
8.7.1 准备工作
8.7.2 详细步骤
8.7.3 工作原理
8.7.4 更多内容
8.8 构建隐马尔可夫模型
8.8.1 准备工作
8.8.2 详细步骤
8.8.3 工作原理
8.8.4 更多内容
8.9 构建语音识别器
8.9.1 准备工作
8.9.2 详细步骤
8.9.3 工作原理
8.9.4 更多内容
8.10 构建TTS系统
8.10.1 准备工作
8.10.2 详细步骤
8.10.3 工作原理
8.10.4 更多内容
第9章 时序列化和时序数据分析
9.1 技术要求
9.2 简介
9.3 将数据转换为时间序列格式
9.3.1 准备工作
9.3.2 详细步骤
9.3.3 工作原理
9.3.4 更多内容
9.4 切分时间序列数据
9.4.1 准备工作
9.4.2 详细步骤
9.4.3 工作原理
9.4.4 更多内容
9.5 操作时间序列数据
9.5.1 准备工作
9.5.2 详细步骤
9.5.3 工作原理
9.5.4 更多内容
9.6 从时序数据中提取统计信息
9.6.1 准备工作
9.6.2 详细步骤
9.6.3 工作原理
9.6.4 更多内容
9.7 为序列数据构建隐马尔可夫模型
9.7.1 准备工作
9.7.2 详细步骤
9.7.3 工作原理
9.7.4 更多内容
9.8 为序列化文本数据构建条件随机场
9.8.1 准备工作
9.8.2 详细步骤
9.8.3 工作原理
9.8.4 更多内容
9.9 股市数据分析
9.9.1 准备工作
9.9.2 详细步骤
9.9.3 工作原理
9.9.4 更多内容
9.10 用RNN预测时间序列数据
9.10.1 准备工作
9.10.2 详细步骤
9.10.3 工作原理
9.10.4 更多内容
第10章 图像内容分析
10.1 技术要求
10.2 简介
10.3 用OpenCV_Python操作图像
10.3.1 准备工作
10.3.2 详细步骤
10.3.3 工作原理
10.3.4 更多内容
10.4 边缘检测
10.4.1 准备工作
10.4.2 详细步骤
10.4.3 工作原理
10.4.4 更多内容
10.5 直方图均衡
10.5.1 准备工作
10.5.2 详细步骤
10.5.3 工作原理
10.5.4 更多内容
10.6 角点检测
10.6.1 准备工作
10.6.2 详细步骤
10.6.3 工作原理
10.6.4 更多内容
10.7 SIFT特征点检测
10.7.1 准备工作
10.7.2 详细步骤
10.7.3 工作原理
10.7.4 更多内容
10.8 构建Star特征检测器
10.8.1 准备工作
10.8.2 详细步骤
10.8.3 工作原理
10.8.4 更多内容
10.9 用视觉码本和向量量化创建特征
10.9.1 准备工作
10.9.2 详细步骤
10.9.3 工作原理
10.9.4 更多内容
10.10 用极端随机森林训练图像分类器
10.10.1 准备工作
10.10.2 详细步骤
10.10.3 工作原理
10.10.4 更多内容
10.11 构建对象识别器
10.11.1 准备工作
10.11.2 详细步骤
10.11.3 工作原理
10.11.4 更多内容
10.12 用LightGBM进行图像分类
10.12.1 准备工作
10.12.2 详细步骤
10.12.3 工作原理
10.12.4 更多内容
第11章 生物特征人脸识别
11.1 技术要求
11.2 简介
11.3 从网络摄像头采集和处理视频信息
11.3.1 准备工作
11.3.2 详细步骤
11.3.3 工作原理
11.3.4 更多内容
11.4 用Haar级联构建人脸识别器
11.4.1 准备工作
11.4.2 详细步骤
11.4.3 工作原理
11.4.4 更多内容
11.5 构建眼鼻检测器
11.5.1 准备工作
11.5.2 详细步骤
11.5.3 工作原理
11.5.4 更多内容
11.6 主成分分析
11.6.1 准备工作
11.6.2 详细步骤
11.6.3 工作原理
11.6.4 更多内容
11.7 核主成分分析
11.7.1 准备工作
11.7.2 详细步骤
11.7.3 工作原理
11.7.4 更多内容
11.8 盲源分离
11.8.1 准备工作
11.8.2 详细步骤
11.8.3 工作原理
11.8.4 更多内容
11.9 用局部二值模式直方图构建人脸识别器
11.9.1 准备工作
11.9.2 详细步骤
11.9.3 工作原理
11.9.4 更多内容
11.10 基于HOG模型进行人脸识别
11.10.1 准备工作
11.10.2 详细步骤
11.10.3 工作原理
11.10.4 更多内容
11.11 人脸特征点识别
11.11.1 准备工作
11.11.2 详细步骤
11.11.3 工作原理
11.11.4 更多内容
11.12 用人脸识别进行用户身份验证
11.12.1 准备工作
11.12.2 详细步骤
11.12.3 工作原理
11.12.4 更多内容
第12章 强化学习
12.1 技术要求
12.2 简介
12.3 用MDP预报天气
12.3.1 准备工作
12.3.2 详细步骤
12.3.3 工作原理
12.3.4 更多内容
12.4 用DP优化金融投资组合
12.4.1 准备工作
12.4.2 详细步骤
12.4.3 工作原理
12.4.4 更多内容
12.5 找出最短路径
12.5.1 准备工作
12.5.2 详细步骤
12.5.3 工作原理
12.5.4 更多内容
12.6 使用Q学习决定折扣因子
12.6.1 准备工作
12.6.2 详细步骤
12.6.3 工作原理
12.6.4 更多内容
12.7 实现深度Q学习算法
12.7.1 准备工作
12.7.2 详细步骤
12.7.3 工作原理
12.7.4 更多内容
12.8 开发基于AI的动态模型系统
12.8.1 准备工作
12.8.2 详细步骤
12.8.3 工作原理
12.8.4 更多内容
12.9 通过双Q学习进行深度强化学习
12.9.1 准备工作
12.9.2 详细步骤
12.9.3 工作原理
12.9.4 更多内容
12.10 通过dueling Q学习进行深度强化学习
12.10.1 准备工作
12.10.2 详细步骤
12.10.3 工作原理
12.10.4 更多内容
第13章 深度神经网络
13.1 技术要求
13.2 简介
13.3 构建感知机模型
13.3.1 准备工作
13.3.2 详细步骤
13.3.3 工作原理
13.3.4 更多内容
13.4 构建单层神经网络
13.4.1 准备工作
13.4.2 详细步骤
13.4.3 工作原理
13.4.4 更多内容
13.5 构建深度神经网络
13.5.1 准备工作
13.5.2 详细步骤
13.5.3 工作原理
13.5.4 更多内容
13.6 创建向量量化器
13.6.1 准备工作
13.6.2 详细步骤
13.6.3 工作原理
13.6.4 更多内容
13.7 为序列数据分析构建循环神经网络
13.7.1 准备工作
13.7.2 详细步骤
13.7.3 工作原理
13.7.4 更多内容
13.8 可视化OCR数据库字符
13.8.1 准备工作
13.8.2 详细步骤
13.8.3 工作原理
13.8.4 更多内容
13.9 使用神经网络构建光学字符识别器
13.9.1 准备工作
13.9.2 详细步骤
13.9.3 工作原理
13.9.4 更多内容
13.10 用ANN实现优化算法
13.10.1 准备工作
13.10.2 详细步骤
13.10.3 工作原理
13.10.4 更多内容
第14章 无监督表示学习
14.1 需要的文件
14.2 简介
14.3 用降噪自动编码器检测欺诈交易
14.3.1 准备工作
14.3.2 详细步骤
14.3.3 工作原理
14.3.4 更多内容
14.4 用CBOW和skipgram表示生成词嵌入
14.4.1 准备工作
14.4.2 详细步骤
14.4.3 工作原理
14.4.4 更多内容
14.5 用PCA和t-SNE可视化MNIST数据
14.5.1 准备工作
14.5.2 详细步骤
14.5.3 工作原理
14.5.4 更多内容
14.6 使用词嵌入进行推特情感分析
14.6.1 准备工作
14.6.2 详细步骤
14.6.3 工作原理
14.6.4 更多内容
14.7 用scikit-learn实现LDA
14.7.1 准备工作
14.7.2 详细步骤
14.7.3 工作原理
14.7.4 更多内容
14.8 用LDA对文本文档分类
14.8.1 准备工作
14.8.2 详细步骤
14.8.3 工作原理
14.8.4 更多内容
14.9 为LDA准备数据
14.9.1 准备工作
14.9.2 详细步骤
14.9.3 工作原理
14.9.4 更多内容
第15章 自动机器学习与迁移学习
15.1 技术要求
15.2 简介
15.3 Auto-WEKA
15.3.1 准备工作
15.3.2 详细步骤
15.3.3 工作原理
15.3.4 更多内容
15.4 用AutoML工具TPOT生成机器学习管道
15.4.1 准备工作
15.4.2 详细步骤
15.4.3 工作原理
15.4.4 更多内容
15.5 Auto-Keras
15.5.1 准备工作
15.5.2 详细步骤
15.5.3 工作原理
15.5.4 更多内容
15.6 auto-sklearn
15.6.1 准备工作
15.6.2 详细步骤
15.6.3 工作原理
15.6.4 更多内容
15.7 用MLBox进行功能选择和泄漏检测
15.7.1 准备工作
15.7.2 详细步骤
15.7.3 工作原理
15.7.4 更多内容
15.8 用卷积神经网络进行迁移学习
15.8.1 准备工作
15.8.2 详细步骤
15.8.3 工作原理
15.8.4 更多内容
15.9 用ResNet-50作预训练图像分类器进行迁移学习
15.9.1 准备工作
15.9.2 详细步骤
15.9.3 工作原理
15.9.4 更多内容
15.10 用VGG16模型作特征提取器进行迁移学习
15.10.1 准备工作
15.10.2 详细步骤
15.10.3 工作原理
15.10.4 更多内容
15.11 用预训练GloVe嵌入模型进行迁移学习
15.11.1 准备工作
15.11.2 详细步骤
15.11.3 工作原理
15.11.4 更多内容
第16章 生产中的应用
16.1 技术要求
16.2 简介
16.3 处理非结构化数据
16.3.1 准备工作
16.3.2 详细步骤
16.3.3 工作原理
16.3.4 更多内容
16.4 部署机器学习模型
16.4.1 准备工作
16.4.2 详细步骤
16.4.3 工作原理
16.4.4 更多内容
16.5 跟踪生产中的变化
16.5.1 详细步骤
16.5.2 工作原理
16.5.3 更多内容
16.6 跟踪准确率并优化模型
16.6.1 详细步骤
16.6.2 工作原理
16.6.3 更多内容
Python机器学习经典实例（第2版）是2021年由人民邮电出版社出版,作者[意] 朱塞佩·查博罗。
得书感谢您对《Python机器学习经典实例（第2版）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
