编辑推荐

　　用火的Python语言、通过各种各样的机器学习算法来解决实际问题！　　书中介绍的主要问题如下。　　-探索分类分析算法并将其应用于收入等级评估问题　　-使用预测建模并将其应用到实际问题中　　-了解如何使用无监督学习来执行市场细分　　-探索数据可视化技术以多种方式与数据进行交互　　-了解如何构建推荐引擎　　-理解如何与文本数据交互并构建模型来分析它　　-使用隐马尔科夫模型来研究语音数据并识别语音

内容简介

　　在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。《Python机器学习经典实例》首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极-端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。

作者简介

　　PrateekJoshi人工智能专家，重点关注基于内容的分析和深度学习，曾在英伟达、微软研究院、高通公司以及硅谷的几家早期创业公司任职。个人博客地址：www.prateekj.com

目录

第1章监督学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．1
1．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．1
1．2数据预处理技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
1．2．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
1．2．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2
1．3标记编码方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1．4创建线性回归器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1．4．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1．4．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
1．5计算回归准确性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
1．5．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
1．5．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
1．6保存模型数据．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
1．7创建岭回归器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
1．7．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
1．7．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
1．8创建多项式回归器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
1．8．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
1．8．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
1．9估算房屋价格．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
1．9．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
1．9．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
1．10计算特征的相对重要性．．．．．．．．．．．．．．．．．．．．．．．．．17
1．11评估共享单车的需求分布．．．．．．．．．．．．．．．．．．．．．19
1．11．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
1．11．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
1．11．3更多内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
第2章创建分类器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
2．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
2．2建立简单分类器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
2．2．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
2．2．2更多内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
2．3建立逻辑回归分类器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
2．4建立朴素贝叶斯分类器．．．．．．．．．．．．．．．．．．．．．．．．．．．31
2．5将数据集分割成训练集和测试集．．．．．．．．．．．32
2．6用交叉验证检验模型准确性．．．．．．．．．．．．．．．．．．．33
2．6．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
2．6．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
2．7混淆矩阵可视化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35
2．8提取性能报告．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
2．9根据汽车特征评估质量．．．．．．．．．．．．．．．．．．．．．．．．．．．38
2．9．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
2．9．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
2．10生成验证曲线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
2．11生成学习曲线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
2．12估算收入阶层．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45
第3章预测建模．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48
3．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48
3．2用SVM建立线性分类器．．．．．．．．．．．．．．．．．．．．．．．．49
3．2．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
3．2．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
3．3用SVM建立非线性分类器．．．．．．．．．．．．．．．．．．．．53
3．4解决类型数量不平衡问题．．．．．．．．．．．．．．．．．．．．．．．55
3．5提取置信度．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．58
3．6寻找最优超参数．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．60
3．7建立事件预测器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62
3．7．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62
3．7．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62
3．8估算交通流量．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．64
3．8．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．64
3．8．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．64
第4章无监督学习——聚类．．．．．．．．．．．．．．．．．．．．．．．67
4．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．67
4．2用k-means算法聚类数据．．．．．．．．．．．．．．．．．．．．．．．67
4．3用矢量量化压缩图片．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．70
4．4建立均值漂移聚类模型．．．．．．．．．．．．．．．．．．．．．．．．．．．74
4．5用凝聚层次聚类进行数据分组．．．．．．．．．．．．．．．76
4．6评价聚类算法的聚类效果．．．．．．．．．．．．．．．．．．．．．．．79
4．7用DBSCAN算法自动估算集群数量．．．．．82
4．8探索股票数据的模式．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．86
4．9建立客户细分模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．88
第5章构建推荐引擎．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．91
5．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．91
5．2为数据处理构建函数组合．．．．．．．．．．．．．．．．．．．．．．．92
5．3构建机器学习流水线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．93
5．3．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．93
5．3．2工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．95
5．4寻找最近邻．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．95
5．5构建一个KNN分类器．．．．．．．．．．．．．．．．．．．．．．．．．．．．98
5．5．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．98
5．5．2工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．102
5．6构建一个KNN回归器．．．．．．．．．．．．．．．．．．．．．．．．．．102
5．6．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．102
5．6．2工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．104
5．7计算欧氏距离分数．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．105
5．8计算皮尔逊相关系数．．．．．．．．．．．．．．．．．．．．．．．．．．．．106
5．9寻找数据集中的相似用户．．．．．．．．．．．．．．．．．．．．．108
5．10生成电影推荐．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．109
第6章分析文本数据．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．112
6．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．112
6．2用标记解析的方法预处理数据．．．．．．．．．．．．．113
6．3提取文本数据的词干．．．．．．．．．．．．．．．．．．．．．．．．．．．．114
6．3．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．114
6．3．2工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．115
6．4用词形还原的方法还原文本的基本形式．．．．．．．．．．．．．．．．．．．．116
6．5用分块的方法划分文本．．．．．．．．．．．．．．．．．．．．．．．．117
6．6创建词袋模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．118
6．6．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．118
6．6．2工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．120
6．7创建文本分类器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．121
6．7．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．121
6．7．2工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．123
6．8识别性别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．124
6．9分析句子的情感．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．125
6．9．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．126
6．9．2工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．128
6．10用主题建模识别文本的模式．．．．．．．．．．．．．．．128
6．10．1详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．128
6．10．2工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．131
第7章语音识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．132
7．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．132
7．2读取和绘制音频数据．．．．．．．．．．．．．．．．．．．．．．．．．．．．132
7．3将音频信号转换为频域．．．．．．．．．．．．．．．．．．．．．．．．134
7．4自定义参数生成音频信号．．．．．．．．．．．．．．．．．．．．．136
7．5合成音乐．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．138
7．6提取频域特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．140
7．7创建隐马尔科夫模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．142
7．8创建一个语音识别器．．．．．．．．．．．．．．．．．．．．．．．．．．．．143
第8章解剖时间序列和时序数据．．．．．．．．．．．．147
8．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．147
8．2将数据转换为时间序列格式．．．．．．．．．．．．．．．．．148
8．3切分时间序列数据．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．150
8．4操作时间序列数据．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．152
8．5从时间序列数据中提取统计数字．．．．．．．．．154
8．6针对序列数据创建隐马尔科夫模型．．．．．157
8．6．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．158
8．6．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．158
8．7针对序列文本数据创建条件随机场．．．．．161
8．7．1准备工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．161
8．7．2详细步骤．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．161
8．8用隐马尔科夫模型分析股票市场数据．．．．．．．．．．．．．．．．．．．．．．．．．．164
第9章图像内容分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．166
9．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．166
9．2用OpenCV-Pyhon操作图像．．．．．．．．．．．．．．．．．167
9．3检测边．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．170
9．4直方图均衡化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．174
9．5检测棱角．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．176
9．6检测SIFT特征点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．178
9．7创建Star特征检测器．．．．．．．．．．．．．．．．．．．．．．．．．．．．180
9．8利用视觉码本和向量量化创建特征．．．．．．182
9．9用极端随机森林训练图像分类器．．．．．．．．．．185
9．10创建一个对象识别器．．．．．．．．．．．．．．．．．．．．．．．．．．．187
第10章人脸识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．189
10．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．189
10．2从网络摄像头采集和处理视频信息．．．．189
10．3用Haar级联创建一个人脸识别器．．．．．．191
10．4创建一个眼睛和鼻子检测器．．．．．．．．．．．．．．．193
10．5做主成分分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．196
10．6做核主成分分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．197
10．7做盲源分离．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．201
10．8用局部二值模式直方图创建一个人脸识别器．．．．．．．．．．．．．．．．205
第11章深度神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．210
11．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．210
11．2创建一个感知器．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．211
11．3创建一个单层神经网络．．．．．．．．．．．．．．．．．．．．．．．213
11．4创建一个深度神经网络．．．．．．．．．．．．．．．．．．．．．．．216
11．5创建一个向量量化器．．．．．．．．．．．．．．．．．．．．．．．．．．．219
11．6为序列数据分析创建一个递归神经网络．．．．．．．．．．．．．．．．．．．．．．221
11．7在光学字符识别数据库中将字符可视化．．．．．．．．．．．．．．．．．．．．．．225
11．8用神经网络创建一个光学字符识别器．．．．．．．．．．．．．．．．．．．．．．．226
第12章可视化数据．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．230
12．1简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．230
12．2画3D散点图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．230
12．3画气泡图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．232
12．4画动态气泡图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．233
12．5画饼图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．235
12．6画日期格式的时间序列数据．．．．．．．．．．．．．．．237
12．7画直方图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．239
12．8可视化热力图．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．241
12．9动态信号的可视化模拟．．．．．．．．．．．．．．．．．．．．．．．242

其他推荐