Python機器學(xué)習經(jīng)典實(shí)例簡(jiǎn)介，目錄書(shū)摘

編輯推薦:　　用火的Python語(yǔ)言、通過(guò)各種各樣的機器學(xué)習算法來(lái)解決實(shí)際問(wèn)題！　　書(shū)中介紹的主要問(wèn)題如下?！　? 探索分類(lèi)分析算法并將其應用于收入等級評估問(wèn)題　　- 使用預測建模并將其應用到實(shí)際問(wèn)題中　　- 了解如何使用無(wú)監督學(xué)習來(lái)執行市場(chǎng)細分　　- 探索數據可視化技術(shù)以多種方式與數據進(jìn)行交互　　- 了解如何構建推薦引擎　　- 理解如何與文本數據交互并構建模型來(lái)分析它　　- 使用隱馬爾科夫模型來(lái)研究語(yǔ)音數據并識別語(yǔ)音

內容簡(jiǎn)介:　　在如今這個(gè)處處以數據驅動(dòng)的世界中，機器學(xué)習正變得越來(lái)越大眾化。它已經(jīng)被廣泛地應用于不同領(lǐng)域，如搜索引擎、機器人、無(wú)人駕駛汽車(chē)等。本書(shū)首先通過(guò)實(shí)用的案例介紹機器學(xué)習的基礎知識，然后介紹一些稍微復雜的機器學(xué)習算法，例如支持向量機、極-端隨機森林、隱馬爾可夫模型、條件隨機場(chǎng)、深度神經(jīng)網(wǎng)絡(luò )，等等。

作者簡(jiǎn)介:　　Prateek Joshi 人工智能專(zhuān)家，重點(diǎn)關(guān)注基于內容的分析和深度學(xué)習，曾在英偉達、微軟研究院、高通公司以及硅谷的幾家早期創(chuàng )業(yè)公司任職。個(gè)人博客地址： www.prateekj.com

目錄:第1 章 監督學(xué)習 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 1
1．2 數據預處理技術(shù) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 2
1．2．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 2
1．2．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 2
1．3 標記編碼方法 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 4
1．4 創(chuàng )建線(xiàn)性回歸器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 6
1．4．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 6
1．4．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 7
1．5 計算回歸準確性 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 9
1．5．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 9
1．5．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 10
1．6 保存模型數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 10
1．7 創(chuàng )建嶺回歸器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
1．7．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 11
1．7．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 12
1．8 創(chuàng )建多項式回歸器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 13
1．8．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 13
1．8．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 14
1．9 估算房屋價(jià)格 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 15
1．9．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 15
1．9．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 16
1．10 計算特征的相對重要性 ．．．．．．．．．．．．．．．．．．．．．．．．． 17
1．11 評估共享單車(chē)的需求分布 ．．．．．．．．．．．．．．．．．．．．． 19
1．11．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 19
1．11．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 19
1．11．3 更多內容 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 21
第2 章 創(chuàng )建分類(lèi)器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 24
2．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 24
2．2 建立簡(jiǎn)單分類(lèi)器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 25
2．2．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 25
2．2．2 更多內容 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 27
2．3 建立邏輯回歸分類(lèi)器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 27
2．4 建立樸素貝葉斯分類(lèi)器 ．．．．．．．．．．．．．．．．．．．．．．．．．．． 31
2．5 將數據集分割成訓練集和測試集 ．．．．．．．．．．． 32
2．6 用交叉驗證檢驗模型準確性 ．．．．．．．．．．．．．．．．．．． 33
2．6．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 34
2．6．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 34
2．7 混淆矩陣可視化 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 35
2．8 提取性能報告 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 37
2．9 根據汽車(chē)特征評估質(zhì)量 ．．．．．．．．．．．．．．．．．．．．．．．．．．． 38
2．9．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 38
2．9．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 38
2．10 生成驗證曲線(xiàn) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 40
2．11 生成學(xué)習曲線(xiàn) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 43
2．12 估算收入階層 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 45
第3 章 預測建模 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 48
3．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 48
3．2 用SVM 建立線(xiàn)性分類(lèi)器 ．．．．．．．．．．．．．．．．．．．．．．．． 49
3．2．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 49
3．2．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 50
3．3 用SVM 建立非線(xiàn)性分類(lèi)器 ．．．．．．．．．．．．．．．．．．．． 53
3．4 解決類(lèi)型數量不平衡問(wèn)題 ．．．．．．．．．．．．．．．．．．．．．．． 55
3．5 提取置信度 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 58
3．6 尋找最優(yōu)超參數 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 60
3．7 建立事件預測器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 62
3．7．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 62
3．7．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 62
3．8 估算交通流量 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 64
3．8．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 64
3．8．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 64
第4 章 無(wú)監督學(xué)習——聚類(lèi)．．．．．．．．．．．．．．．．．．．．．．． 67
4．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 67
4．2 用k-means 算法聚類(lèi)數據 ．．．．．．．．．．．．．．．．．．．．．．． 67
4．3 用矢量量化壓縮圖片 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 70
4．4 建立均值漂移聚類(lèi)模型 ．．．．．．．．．．．．．．．．．．．．．．．．．．． 74
4．5 用凝聚層次聚類(lèi)進(jìn)行數據分組 ．．．．．．．．．．．．．．． 76
4．6 評價(jià)聚類(lèi)算法的聚類(lèi)效果 ．．．．．．．．．．．．．．．．．．．．．．． 79
4．7 用DBSCAN 算法自動(dòng)估算集群數量 ．．．．． 82
4．8 探索股票數據的模式 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 86
4．9 建立客戶(hù)細分模型 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 88
第5 章 構建推薦引擎 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 91
5．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 91
5．2 為數據處理構建函數組合 ．．．．．．．．．．．．．．．．．．．．．．． 92
5．3 構建機器學(xué)習流水線(xiàn) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 93
5．3．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 93
5．3．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 95
5．4 尋找最近鄰 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 95
5．5 構建一個(gè)KNN 分類(lèi)器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 98
5．5．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 98
5．5．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 102
5．6 構建一個(gè)KNN 回歸器 ．．．．．．．．．．．．．．．．．．．．．．．．．． 102
5．6．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 102
5．6．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 104
5．7 計算歐氏距離分數 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 105
5．8 計算皮爾遜相關(guān)系數 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 106
5．9 尋找數據集中的相似用戶(hù) ．．．．．．．．．．．．．．．．．．．．． 108
5．10 生成電影推薦 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 109
第6 章 分析文本數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 112
6．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 112
6．2 用標記解析的方法預處理數據 ．．．．．．．．．．．．． 113
6．3 提取文本數據的詞干 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 114
6．3．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 114
6．3．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 115
6．4 用詞形還原的方法還原文本的基本形式 ．．．．．．．．．．．．．．．．．．．． 116
6．5 用分塊的方法劃分文本 ．．．．．．．．．．．．．．．．．．．．．．．． 117
6．6 創(chuàng )建詞袋模型 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 118
6．6．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 118
6．6．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 120
6．7 創(chuàng )建文本分類(lèi)器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 121
6．7．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 121
6．7．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 123
6．8 識別性別 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 124
6．9 分析句子的情感 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 125
6．9．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 126
6．9．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 128
6．10 用主題建模識別文本的模式 ．．．．．．．．．．．．．．． 128
6．10．1 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 128
6．10．2 工作原理 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 131
第7 章 語(yǔ)音識別 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 132
7．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 132
7．2 讀取和繪制音頻數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 132
7．3 將音頻信號轉換為頻域 ．．．．．．．．．．．．．．．．．．．．．．．． 134
7．4 自定義參數生成音頻信號 ．．．．．．．．．．．．．．．．．．．．． 136
7．5 合成音樂(lè ) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 138
7．6 提取頻域特征 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 140
7．7 創(chuàng )建隱馬爾科夫模型 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 142
7．8 創(chuàng )建一個(gè)語(yǔ)音識別器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 143
第8 章 解剖時(shí)間序列和時(shí)序數據 ．．．．．．．．．．．． 147
8．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 147
8．2 將數據轉換為時(shí)間序列格式 ．．．．．．．．．．．．．．．．． 148
8．3 切分時(shí)間序列數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 150
8．4 操作時(shí)間序列數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 152
8．5 從時(shí)間序列數據中提取統計數字 ．．．．．．．．． 154
8．6 針對序列數據創(chuàng )建隱馬爾科夫模型 ．．．．． 157
8．6．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 158
8．6．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 158
8．7 針對序列文本數據創(chuàng )建條件隨機場(chǎng) ．．．．． 161
8．7．1 準備工作 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 161
8．7．2 詳細步驟 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 161
8．8 用隱馬爾科夫模型分析股票市場(chǎng)數據．．．．．．．．．．．．．．．．．．．．．．．．．． 164
第9 章 圖像內容分析 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 166
9．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 166
9．2 用OpenCV-Pyhon 操作圖像 ．．．．．．．．．．．．．．．．． 167
9．3 檢測邊 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 170
9．4 直方圖均衡化 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 174
9．5 檢測棱角 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 176
9．6 檢測SIFT 特征點(diǎn) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 178
9．7 創(chuàng )建Star 特征檢測器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．． 180
9．8 利用視覺(jué)碼本和向量量化創(chuàng )建特征 ．．．．．． 182
9．9 用極端隨機森林訓練圖像分類(lèi)器 ．．．．．．．．．． 185
9．10 創(chuàng )建一個(gè)對象識別器 ．．．．．．．．．．．．．．．．．．．．．．．．．．． 187
第10 章 人臉識別 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 189
10．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 189
10．2 從網(wǎng)絡(luò )攝像頭采集和處理視頻信息 ．．．． 189
10．3 用Haar 級聯(lián)創(chuàng )建一個(gè)人臉識別器 ．．．．．． 191
10．4 創(chuàng )建一個(gè)眼睛和鼻子檢測器 ．．．．．．．．．．．．．．． 193
10．5 做主成分分析 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 196
10．6 做核主成分分析 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 197
10．7 做盲源分離 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 201
10．8 用局部二值模式直方圖創(chuàng )建一個(gè)人臉識別器 ．．．．．．．．．．．．．．．． 205
第11 章 深度神經(jīng)網(wǎng)絡(luò ) ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 210
11．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 210
11．2 創(chuàng )建一個(gè)感知器 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 211
11．3 創(chuàng )建一個(gè)單層神經(jīng)網(wǎng)絡(luò ) ．．．．．．．．．．．．．．．．．．．．．．． 213
11．4 創(chuàng )建一個(gè)深度神經(jīng)網(wǎng)絡(luò ) ．．．．．．．．．．．．．．．．．．．．．．． 216
11．5 創(chuàng )建一個(gè)向量量化器．．．．．．．．．．．．．．．．．．．．．．．．．．． 219
11．6 為序列數據分析創(chuàng )建一個(gè)遞歸神經(jīng)網(wǎng)絡(luò ) ．．．．．．．．．．．．．．．．．．．．．． 221
11．7 在光學(xué)字符識別數據庫中將字符可視化 ．．．．．．．．．．．．．．．．．．．．．． 225
11．8 用神經(jīng)網(wǎng)絡(luò )創(chuàng )建一個(gè)光學(xué)字符識別器 ．．．．．．．．．．．．．．．．．．．．．．． 226
第12 章 可視化數據 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 230
12．1 簡(jiǎn)介 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 230
12．2 畫(huà)3D 散點(diǎn)圖 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 230
12．3 畫(huà)氣泡圖 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 232
12．4 畫(huà)動(dòng)態(tài)氣泡圖 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 233
12．5 畫(huà)餅圖 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 235
12．6 畫(huà)日期格式的時(shí)間序列數據 ．．．．．．．．．．．．．．． 237
12．7 畫(huà)直方圖 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 239
12．8 可視化熱力圖 ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． 241
12．9 動(dòng)態(tài)信號的可視化模擬 ．．．．．．．．．．．．．．．．．．．．．．． 242