深入淺出Python機器學(xué)習(xí)

目 錄

第1章 概 述

1.1 什么是機器學(xué)習(xí)——從一個小故事開始 / 002

1.2 機器學(xué)習(xí)的一些應(yīng)用場景——蝙蝠公司的業(yè)務(wù)單元 / 003

1.3 機器學(xué)習(xí)應(yīng)該如何入門——世上無難事 / 005

1.4 有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí) / 007

1.5 機器學(xué)習(xí)中的分類與回歸 / 008

1.6 模型的泛化、過擬合與欠擬合 / 008

1.7 小結(jié) / 009

第2章 基于Python語言的環(huán)境配置

2.1 Python的下載和安裝 / 012

2.2 Jupyter Notebook的安裝與使用方法 / 013

2.2.1 使用pip進行Jupyter Notebook的下載和安裝 / 013

2.2.2 運行Jupyter Notebook / 014

2.2.3 Jupyter Notebook的使用方法 / 015

2.3 一些必需庫的安裝及功能簡介 / 017

2.3.1 Numpy——基礎(chǔ)科學(xué)計算庫 / 017

2.3.2 Scipy——強大的科學(xué)計算工具集 / 018

2.3.3 pandas——數(shù)據(jù)分析的利器 / 019

2.3.4 matplotlib——畫出優(yōu)美的圖形 / 020



深入淺出Python 機器學(xué)習(xí)

VIII

2.4 scikit-learn——非常流行的Python機器學(xué)習(xí)庫 / 021

2.5 小結(jié) / 022

第3章 K最近鄰算法——近朱者赤，近墨者黑

3.1 K最近鄰算法的原理 / 024

3.2 K最近鄰算法的用法 / 025

3.2.1 K最近鄰算法在分類任務(wù)中的應(yīng)用 / 025

3.2.2 K最近鄰算法處理多元分類任務(wù) / 029

3.2.3 K最近鄰算法用于回歸分析 / 031

3.3 K最近鄰算法項目實戰(zhàn)——酒的分類 / 034

3.3.1 對數(shù)據(jù)集進行分析 / 034

3.3.2 生成訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集 / 036

3.3.3 使用K最近鄰算法進行建模 / 038

3.3.4 使用模型對新樣本的分類進行預(yù)測 / 039

3.4 小結(jié) / 041

第4章 廣義線性模型——“耿直”的算法模型

4.1 線性模型的基本概念 / 044

4.1.1 線性模型的一般公式 / 044

4.1.2 線性模型的圖形表示 / 045

4.1.3 線性模型的特點 / 049

4.2 最基本的線性模型——線性回歸 / 050

4.2.1 線性回歸的基本原理 / 050

4.2.2 線性回歸的性能表現(xiàn) / 051

4.3 使用L2正則化的線性模型——嶺回歸 / 053

4.3.1 嶺回歸的原理 / 053

4.3.2 嶺回歸的參數(shù)調(diào)節(jié) / 054

4.4 使用L1正則化的線性模型——套索回歸 / 058

4.4.1 套索回歸的原理 / 058

4.4.2 套索回歸的參數(shù)調(diào)節(jié) / 059

4.4.3 套索回歸與嶺回歸的對比 / 060



目
錄

IX

4.5 小結(jié) / 062

第5章 樸素貝葉斯——打雷啦，收衣服啊

5.1 樸素貝葉斯基本概念 / 064

5.1.1 貝葉斯定理 / 064

5.1.2 樸素貝葉斯的簡單應(yīng)用 / 064

5.2 樸素貝葉斯算法的不同方法 / 068

5.2.1 貝努利樸素貝葉斯 / 068

5.2.2 高斯樸素貝葉斯 / 071

5.2.3 多項式樸素貝葉斯 / 072

5.3 樸素貝葉斯實戰(zhàn)——判斷腫瘤是良性還是惡性 / 075

5.3.1 對數(shù)據(jù)集進行分析 / 076

5.3.2 使用高斯樸素貝葉斯進行建模 / 077

5.3.3 高斯樸素貝葉斯的學(xué)習(xí)曲線 / 078

5.4 小結(jié) / 080

第6章 決策樹與隨機森林——會玩讀心術(shù)的算法

6.1 決策樹 / 082

6.1.1 決策樹基本原理 / 082

6.1.2 決策樹的構(gòu)建 / 082

6.1.3 決策樹的優(yōu)勢和不足 / 088

6.2 隨機森林 / 088

6.2.1 隨機森林的基本概念 / 089

6.2.2 隨機森林的構(gòu)建 / 089

6.2.3 隨機森林的優(yōu)勢和不足 / 092

6.3 隨機森林實例——要不要和相親對象進一步發(fā)展 / 093

6.3.1 數(shù)據(jù)集的準(zhǔn)備 / 093

6.3.2 用get_dummies處理數(shù)據(jù) / 094

6.3.3 用決策樹建模并做出預(yù)測 / 096

6.4 小結(jié) / 098



第7章 支持向量機SVM——專治線性不可分

7.1 支持向量機SVM基本概念 / 100

7.1.1 支持向量機SVM的原理 / 100

7.1.2 支持向量機SVM的核函數(shù) / 102

7.2 SVM的核函數(shù)與參數(shù)選擇 / 104

7.2.1 不同核函數(shù)的SVM對比 / 104

7.2.2 支持向量機的gamma參數(shù)調(diào)節(jié) / 106

7.2.3 SVM算法的優(yōu)勢與不足 / 108

7.3 SVM實例——波士頓房價回歸分析 / 108

7.3.1 初步了解數(shù)據(jù)集 / 109

7.3.2 使用SVR進行建模 / 110

7.4 小結(jié) / 114

第8章 神經(jīng)網(wǎng)絡(luò)——曾入“冷宮”，如今得寵

8.1 神經(jīng)網(wǎng)絡(luò)的前世今生 / 116

8.1.1 神經(jīng)網(wǎng)絡(luò)的起源 / 116

8.1.2 第一個感知器學(xué)習(xí)法則 / 116

8.1.3 神經(jīng)網(wǎng)絡(luò)之父——杰弗瑞·欣頓 / 117

8.2 神經(jīng)網(wǎng)絡(luò)的原理及使用 / 118

8.2.1 神經(jīng)網(wǎng)絡(luò)的原理 / 118

8.2.2 神經(jīng)網(wǎng)絡(luò)中的非線性矯正 / 119

8.2.3 神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)置 / 121

8.3 神經(jīng)網(wǎng)絡(luò)實例——手寫識別 / 127

8.3.1 使用MNIST數(shù)據(jù)集 / 128

8.3.2 訓(xùn)練MLP神經(jīng)網(wǎng)絡(luò) / 129

8.3.3 使用模型進行數(shù)字識別 / 130

8.4 小結(jié) / 131



第9章 數(shù)據(jù)預(yù)處理、降維、特征提取及聚類——快
刀斬亂麻

9.1 數(shù)據(jù)預(yù)處理 / 134

9.1.1 使用StandardScaler進行數(shù)據(jù)預(yù)處理 / 134

9.1.2 使用MinMaxScaler進行數(shù)據(jù)預(yù)處理 / 135

9.1.3 使用RobustScaler進行數(shù)據(jù)預(yù)處理 / 136

9.1.4 使用Normalizer進行數(shù)據(jù)預(yù)處理 / 137

9.1.5 通過數(shù)據(jù)預(yù)處理提高模型準(zhǔn)確率 / 138

9.2 數(shù)據(jù)降維 / 140

9.2.1 PCA主成分分析原理 / 140

9.2.2 對數(shù)據(jù)降維以便于進行可視化 / 142

9.2.3 原始特征與PCA主成分之間的關(guān)系 / 143

9.3 特征提取 / 144

9.3.1 PCA主成分分析法用于特征提取 / 145

9.3.2 非負矩陣分解用于特征提取 / 148

9.4 聚類算法 / 149

9.4.1 K均值聚類算法 / 150

9.4.2 凝聚聚類算法 / 153

9.4.3 DBSCAN算法 / 154

9.5 小結(jié) / 157

第10章 數(shù)據(jù)表達與特征工程——錦上再添花

10.1 數(shù)據(jù)表達 / 160

10.1.1 使用啞變量轉(zhuǎn)化類型特征 / 160

10.1.2 對數(shù)據(jù)進行裝箱處理 / 162

10.2 數(shù)據(jù)“升維” / 166

10.2.1 向數(shù)據(jù)集添加交互式特征 / 166

10.2.2 向數(shù)據(jù)集添加多項式特征 / 170

10.3 自動特征選擇 / 173

10.3.1 使用單一變量法進行特征選擇 / 173



10.3.2 基于模型的特征選擇 / 178

10.3.3 迭代式特征選擇 / 180

10.4 小結(jié) / 182

第11章 模型評估與優(yōu)化——只有更好，沒有最好

11.1 使用交叉驗證進行模型評估 / 184

11.1.1 scikit-learn中的交叉驗證法 / 184

11.1.2 隨機拆分和“挨個兒試試” / 186

11.1.3 為什么要使用交叉驗證法 / 188

11.2 使用網(wǎng)格搜索優(yōu)化模型參數(shù) / 188

11.2.1 簡單網(wǎng)格搜索 / 189

11.2.2 與交叉驗證結(jié)合的網(wǎng)格搜索 / 191

11.3 分類模型的可信度評估 / 193

11.3.1 分類模型中的預(yù)測準(zhǔn)確率 / 194

11.3.2 分類模型中的決定系數(shù) / 197

11.4 小結(jié) / 198

第12章 建立算法的管道模型——團結(jié)就是力量

12.1 管道模型的概念及用法 / 202

12.1.1 管道模型的基本概念 / 202

12.1.2 使用管道模型進行網(wǎng)格搜索 / 206

12.2 使用管道模型對股票漲幅進行回歸分析 / 209

12.2.1 數(shù)據(jù)集準(zhǔn)備 / 209

12.2.2 建立包含預(yù)處理和MLP模型的管道模型 / 213

12.2.3 向管道模型添加特征選擇步驟 / 214

12.3 使用管道模型進行模型選擇和參數(shù)調(diào)優(yōu) / 216

12.3.1 使用管道模型進行模型選擇 / 216

12.3.2 使用管道模型尋找更優(yōu)參數(shù) / 217

12.4 小結(jié) / 220



第13章 文本數(shù)據(jù)處理——親，見字如“數(shù)”

13.1 文本數(shù)據(jù)的特征提取、中文分詞及詞袋模型 / 222

13.1.1 使用CountVectorizer對文本進行特征提取 / 222

13.1.2 使用分詞工具對中文文本進行分詞 / 223

13.1.3 使用詞袋模型將文本數(shù)據(jù)轉(zhuǎn)為數(shù)組 / 224

13.2 對文本數(shù)據(jù)進一步進行優(yōu)化處理 / 226

13.2.1 使用n-Gram改善詞袋模型 / 226

13.2.2 使用tf-idf模型對文本數(shù)據(jù)進行處理 / 228

13.2.3 刪除文本中的停用詞 / 234

13.3 小結(jié) / 236

第14章 從數(shù)據(jù)獲取到話題提取——從“研究員”
到“段子手”

14.1 簡單頁面的爬取 / 238

14.1.1 準(zhǔn)備Requests庫和User Agent / 238

14.1.2 確定一個目標(biāo)網(wǎng)站并分析其結(jié)構(gòu) / 240

14.1.3 進行爬取并保存為本地文件 / 241

14.2 稍微復(fù)雜一點的爬取 / 244

14.2.1 確定目標(biāo)頁面并進行分析 / 245

14.2.2 Python中的正則表達式 / 247

14.2.3 使用BeautifulSoup進行HTML解析 / 251

14.2.4 對目標(biāo)頁面進行爬取并保存到本地 / 256

14.3 對文本數(shù)據(jù)進行話題提取 / 258

14.3.1 尋找目標(biāo)網(wǎng)站并分析結(jié)構(gòu) / 259

14.3.2 編寫爬蟲進行內(nèi)容爬取 / 261

14.3.3 使用潛在狄利克雷分布進行話題提取 / 263

14.4 小結(jié) / 265



第15章 人才需求現(xiàn)狀與未來學(xué)習(xí)方向——你是不
是下一個“大?！?

15.1 人才需求現(xiàn)狀 / 268

15.1.1 全球AI從業(yè)者達190萬，人才需求3年翻8倍 / 268

15.1.2 AI人才需求集中于一線城市，七成從業(yè)者月薪過萬 / 269

15.1.3 人才困境仍難緩解，政策支援亟不可待 / 269

15.2 未來學(xué)習(xí)方向 / 270

15.2.1 用于大數(shù)據(jù)分析的計算引擎 / 270

15.2.2 深度學(xué)習(xí)開源框架 / 271

15.2.3 使用概率模型進行推理 / 272

15.3 技能磨煉與實際應(yīng)用 / 272

15.3.1 Kaggle算法大賽平臺和OpenML平臺 / 272

15.3.2 在工業(yè)級場景中的應(yīng)用 / 273

15.3.3 對算法模型進行A/B測試 / 273

15.4 小結(jié) / 274

參考文獻 / 275