编辑推荐
一部实用的Python机器学习教程，结合大量案例，介绍了机器学习的各方面知识。
内容简介
《机器学习系统设计》不仅告诉你“怎么做”，还会分析“为什么”，力求帮助读者掌握多种多样的机器学习Python库，学习构建基于Python的机器学习系统，并亲身实践和体验机器学习系统的功能。
《机器学习系统设计》适合需要机器学习技术的Python开发人员、计算机科学研究人员、数据科学家、人工智能程序员，以及统计程序员阅读参考。
作者简介
作者Willi Richert，机器学习和机器人学博士，目前任职于微软Bing搜索核心研发团队。他从事多种机器学习领域的研究，包括主动学习和统计机器翻译。
章节目录
版权信息
译者序
作者致谢
关于作者
关于审校者
前言
本书内容
阅读需知
读者对象
排版约定
读者反馈
客户支持
下载代码
勘误
举报盗版
疑难解答
第1章 Python机器学习入门
1.1 梦之队：机器学习与Python
1.2 这本书将教给你什么（以及不会教什么）
1.3 遇到困难的时候怎么办
1.4 开始
1.5 我们第一个（极小的）机器学习应用
1.6 小结
第2章 如何对真实样本分类
2.1 Iris数据集
2.2 构建更复杂的分类器
2.3 更复杂的数据集和更复杂的分类器
2.4 二分类和多分类
2.5 小结
第3章 聚类：寻找相关的帖子
3.1 评估帖子的关联性
3.2 预处理：用相近的公共词语个数来衡量相似性
3.3 聚类
3.4 解决我们最初的难题
3.5 调整参数
3.6 小结
第4章 主题模型
4.1 潜在狄利克雷分配（LDA）
4.2 在主题空间比较相似度
4.3 选择主题个数
4.4 小结
第5章 分类：检测劣质答案
5.1 路线图概述
5.2 学习如何区分出优秀的答案
5.3 获取数据
5.4 创建第一个分类器
5.5 决定怎样提升效果
5.6 采用逻辑回归
5.7 观察正确率的背后：准确率和召回率
5.8 为分类器瘦身
5.9 出货
5.10 小结
第6章 分类II：情感分析
6.1 路线图概述
6.2 获取推特（Twitter）数据
6.3 朴素贝叶斯分类器介绍
6.4 创建第一个分类器并调优
6.5 清洗推文
6.6 将词语类型考虑进去
6.7 小结
第7章 回归：推荐
7.1 用回归预测房价
7.2 惩罚式回归
7.3 P大于N的情形
7.4 小结
第8章 回归：改进的推荐
8.1 改进的推荐
8.2 购物篮分析
8.3 小结
第9章 分类III：音乐体裁分类
9.1 路线图概述
9.2 获取音乐数据
9.3 观察音乐
9.4 用FFT构建第一个分类器
9.5 用梅尔倒频谱系数（MFCC）提升分类效果
9.6 小结
第10章 计算机视觉：模式识别
10.1 图像处理简介
10.2 读取和显示图像
10.3 在更难的数据集上分类
10.4 局部特征表示
10.5 小结
第11章 降维
11.1 路线图
11.2 选择特征
11.3 其他特征选择方法
11.4 特征抽取
11.5 多维标度法（MDS）
11.6 小结
第12章 大数据
12.1 了解大数据
12.2 用Jug程序包把你的处理流程分解成几个任务
12.3 使用亚马逊Web服务（AWS）
12.4 小结
附录A 更多机器学习知识
A.1 在线资源
A.2 参考书
A.3 还剩下什么
A.4 小结
机器学习系统设计是2014年由人民邮电出版社·图灵出品出版,作者[美] Willi Richert。
得书感谢您对《机器学习系统设计》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。
