基本介紹
- 外文名：Building Machine Learning Systems with Python
- 書名：機器學習系統設計
- 作者：里徹特 (Willi Richert)
- 出版社：人民郵電出版社
- 頁數：210頁
- 開本：16
- 類型：計算機與網際網路
- 出版日期：2014年7月1日
- 語種：簡體中文, 英語
- ISBN：7115356823
內容簡介,作者簡介,媒體推薦,圖書目錄,
內容簡介
作者簡介
Willi Richert
機器學習和機器人學博士，目前任職於微軟Bing搜尋核心研發團隊。他從事多種機器學習領域的研究，包括主動學習和統計機器翻譯
Luis Pedro Coelho
計算生物學家，主要關注生物圖像信息學和大規模圖像數據的處理，致力於生物標本圖像分析中機器學習技術的套用，他還是Python計算機視覺庫mahotas的主要開發人員。他於1998年開始開發開源軟體，2004年起從事Python開發，並為多個Python開源庫貢獻了代碼。另外，Luis擁有機器學習領域世界領先的卡內基-梅隆大學的博士學位，並發表過多篇科學論文
機器學習和機器人學博士，目前任職於微軟Bing搜尋核心研發團隊。他從事多種機器學習領域的研究，包括主動學習和統計機器翻譯
Luis Pedro Coelho
計算生物學家，主要關注生物圖像信息學和大規模圖像數據的處理，致力於生物標本圖像分析中機器學習技術的套用，他還是Python計算機視覺庫mahotas的主要開發人員。他於1998年開始開發開源軟體，2004年起從事Python開發，並為多個Python開源庫貢獻了代碼。另外，Luis擁有機器學習領域世界領先的卡內基-梅隆大學的博士學位，並發表過多篇科學論文
媒體推薦
機器學習本身很複雜，且在具體的數據分析實踐中涉及大量複雜的數學知識。而本書儘量避開編程與機器學習算法實現的複雜性，讓機器學習代碼儘量簡單。它的目的不是闡明機器學習“是什麼”，而是解釋“如何”編寫算法，並幫助你思考“什麼是最好的”編程方式。
——亞馬遜讀者評論
——亞馬遜讀者評論
圖書目錄
第1章 Python機器學習入門 1
1.1 夢之隊：機器學習與Python 1
1.2 這本書將教給你什麼（以及不會教什麼） 2
1.3 遇到困難的時候怎么辦 3
1.4 開始 4
1.4.1 NumPy、SciPy和Matplotlib簡介 4
1.4.2 安裝Python 5
1.4.3 使用NumPy和SciPy智慧型高效地處理數據 5
1.4.4 學習NumPy 5
1.4.5 學習SciPy 9
1.5 我們第一個（極小的）機器學習套用 10
1.5.1 讀取數據 10
1.5.2 預處理和清洗數據 11
1.5.3 選擇正確的模型和學習算法 12
1.6 小結 20
第2章 如何對真實樣本分類 22
2.1 Iris數據集 22
2.1.1 第一步是可視化 23
2.1.2 構建第一個分類模型 24
2.2 構建更複雜的分類器 28
2.3 更複雜的數據集和更複雜的分類器 29
2.3.1 從Seeds數據集中學習 29
2.3.2 特徵和特徵工程 30
2.3.3 最鄰近分類 30
2.4 二分類和多分類 33
2.5 小結 34
第3章 聚類：尋找相關的帖子 35
3.1 評估帖子的關聯性 35
3.1.1 不應該怎樣 36
3.1.2 應該怎樣 36
3.2 預處理：用相近的公共詞語個數來衡量相似性 37
3.2.1 將原始文本轉化為詞袋 37
3.2.2 統計詞語 38
3.2.3 詞語頻次向量的歸一化 40
3.2.4 刪除不重要的詞語 41
3.2.5 詞幹處理 42
3.2.6 停用詞興奮劑 44
3.2.7 我們的成果和目標 45
3.3 聚類 46
3.3.1 K均值 46
3.3.2 讓測試數據評估我們的想法 49
3.3.3 對帖子聚類 50
3.4 解決我們最初的難題 51
3.5 調整參數 54
3.6 小結 54
第4章 主題模型 55
4.1 潛在狄利克雷分配（LDA） 55
4.2 在主題空間比較相似度 59
4.3 選擇主題個數 64
4.4 小結 65
第5章 分類：檢測劣質答案 67
5.1 路線圖概述 67
5.2 學習如何區分出優秀的答案 68
5.2.1 調整樣本 68
5.2.2 調整分類器 68
5.3 獲取數據 68
5.3.1 將數據消減到可處理的程度 69
5.3.2 對屬性進行預選擇和處理 70
5.3.3 定義什麼是優質答案 71
5.4 創建第一個分類器 71
5.4.1 從k鄰近（kNN）算法開始 71
5.4.2 特徵工程 72
5.4.3 訓練分類器 73
5.4.4 評估分類器的性能 74
5.4.5 設計更多的特徵 74
5.5 決定怎樣提升效果 77
5.5.1 偏差方差及其折中 77
5.5.2 解決高偏差 78
5.5.3 解決高方差 78
5.5.4 高偏差或低偏差 78
5.6 採用邏輯回歸 81
5.6.1 一點數學和一個小例子 81
5.6.2 在帖子分類問題上套用邏輯回歸 83
5.7 觀察正確率的背後：準確率和召回率 84
5.8 為分類器瘦身 87
5.9 出貨 88
5.10 小結 88
第6章 分類Ⅱ：情感分析 89
6.1 路線圖概述 89
6.2 獲取推特（Twitter）數據 89
6.3 樸素貝葉斯分類器介紹 90
6.3.1 了解貝葉斯定理 90
6.3.2 樸素 91
6.3.3 使用樸素貝葉斯進行分類 92
6.3.4 考慮未出現的詞語和其他古怪情況 94
6.3.5 考慮算術下溢 95
6.4 創建第一個分類器並調優 97
6.4.1 先解決一個簡單問題 97
6.4.2 使用所有的類 99
6.4.3 對分類器的參數進行調優 101
6.5 清洗推文 104
6.6 將詞語類型考慮進去 106
6.6.1 確定詞語的類型 106
6.6.2 用SentiWordNet成功地作弊 108
6.6.3 我們第一個估算器 110
6.6.4 把所有東西融合在一起 111
6.7 小結 112
第7章 回歸：推薦 113
7.1 用回歸預測房價 113
7.1.1 多維回歸 116
7.1.2 回歸里的交叉驗證 116
7.2 懲罰式回歸 117
7.2.1 L1和L2懲罰 117
7.2.2 在Scikit—learn中使用Lasso或彈性網 118
7.3 P大於N的情形 119
7.3.1 基於文本的例子 120
7.3.2 巧妙地設定超參數（hyperparameter） 121
7.3.3 評分預測和推薦 122
7.4 小結 126
第8章 回歸：改進的推薦 127
8.1 改進的推薦 127
8.1.1 使用二值推薦矩陣 127
8.1.2 審視電影的近鄰 129
8.1.3 組合多種方法 130
8.2 購物籃分析 132
8.2.1 獲取有用的預測 133
8.2.2 分析超市購物籃 134
8.2.3 關聯規則挖掘 136
8.2.4 更多購物籃分析的高級話題 137
8.3 小結 138
第9章 分類Ⅲ：音樂體裁分類 139
9.1 路線圖概述 139
9.2 獲取音樂數據 139
9.3 觀察音樂 140
9.4 用FFT構建第一個分類器 143
9.4.1 增加實驗敏捷性 143
9.4.2 訓練分類器 144
9.4.3 在多分類問題中用混淆矩陣評估正確率 144
9.4.4 另一種方式評估分類器效果：受試者工作特徵曲線（ROC） 146
9.5 用梅爾倒頻譜係數（MFCC）提升分類效果 148
9.6 小結 152
第10章 計算機視覺：模式識別 154
10.1 圖像處理簡介 154
10.2 讀取和顯示圖像 155
10.2.1 圖像處理基礎 156
10.2.2 加入椒鹽噪聲 161
10.2.3 模式識別 163
10.2.4 計算圖像特徵 163
10.2.5 設計你自己的特徵 164
10.3 在更難的數據集上分類 166
10.4 局部特徵表示 167
10.5 小結 170
第11章 降維 171
11.1 路線圖 171
11.2 選擇特徵 172
11.2.1 用篩選器檢測冗餘特徵 172
11.2.2 用封裝器讓模型選擇特徵 178
11.3 其他特徵選擇方法 180
11.4 特徵抽取 181
11.4.1 主成分分析（PCA） 181
11.4.2 PCA的局限性以及LDA會有什麼幫助 183
11.5 多維標度法（MDS） 184
11.6 小結 187
第12章 大數據 188
12.1 了解大數據 188
12.2 用Jug程式包把你的處理流程分解成幾個任務 189
12.2.1 關於任務 189
12.2.2 復用部分結果 191
12.2.3 幕後的工作原理 192
12.2.4 用Jug分析數據 192
12.3 使用亞馬遜Web服務（AWS） 194
12.3.1 構建你的第一台機器 195
12.3.2 用starcluster自動創建集群 199
12.4 小結 202
附錄A 更多機器學習知識 203
A.1 線上資源 203
A.2 參考書 203
A.2.1 問答網站 203
A.2.2 部落格 204
A.2.3 數據資源 205
A.2.4 競爭日益加劇 205
A.3 還剩下什麼 205
A.4 小結 206
索引 207
1.1 夢之隊：機器學習與Python 1
1.2 這本書將教給你什麼（以及不會教什麼） 2
1.3 遇到困難的時候怎么辦 3
1.4 開始 4
1.4.1 NumPy、SciPy和Matplotlib簡介 4
1.4.2 安裝Python 5
1.4.3 使用NumPy和SciPy智慧型高效地處理數據 5
1.4.4 學習NumPy 5
1.4.5 學習SciPy 9
1.5 我們第一個（極小的）機器學習套用 10
1.5.1 讀取數據 10
1.5.2 預處理和清洗數據 11
1.5.3 選擇正確的模型和學習算法 12
1.6 小結 20
第2章 如何對真實樣本分類 22
2.1 Iris數據集 22
2.1.1 第一步是可視化 23
2.1.2 構建第一個分類模型 24
2.2 構建更複雜的分類器 28
2.3 更複雜的數據集和更複雜的分類器 29
2.3.1 從Seeds數據集中學習 29
2.3.2 特徵和特徵工程 30
2.3.3 最鄰近分類 30
2.4 二分類和多分類 33
2.5 小結 34
第3章 聚類：尋找相關的帖子 35
3.1 評估帖子的關聯性 35
3.1.1 不應該怎樣 36
3.1.2 應該怎樣 36
3.2 預處理：用相近的公共詞語個數來衡量相似性 37
3.2.1 將原始文本轉化為詞袋 37
3.2.2 統計詞語 38
3.2.3 詞語頻次向量的歸一化 40
3.2.4 刪除不重要的詞語 41
3.2.5 詞幹處理 42
3.2.6 停用詞興奮劑 44
3.2.7 我們的成果和目標 45
3.3 聚類 46
3.3.1 K均值 46
3.3.2 讓測試數據評估我們的想法 49
3.3.3 對帖子聚類 50
3.4 解決我們最初的難題 51
3.5 調整參數 54
3.6 小結 54
第4章 主題模型 55
4.1 潛在狄利克雷分配（LDA） 55
4.2 在主題空間比較相似度 59
4.3 選擇主題個數 64
4.4 小結 65
第5章 分類：檢測劣質答案 67
5.1 路線圖概述 67
5.2 學習如何區分出優秀的答案 68
5.2.1 調整樣本 68
5.2.2 調整分類器 68
5.3 獲取數據 68
5.3.1 將數據消減到可處理的程度 69
5.3.2 對屬性進行預選擇和處理 70
5.3.3 定義什麼是優質答案 71
5.4 創建第一個分類器 71
5.4.1 從k鄰近（kNN）算法開始 71
5.4.2 特徵工程 72
5.4.3 訓練分類器 73
5.4.4 評估分類器的性能 74
5.4.5 設計更多的特徵 74
5.5 決定怎樣提升效果 77
5.5.1 偏差方差及其折中 77
5.5.2 解決高偏差 78
5.5.3 解決高方差 78
5.5.4 高偏差或低偏差 78
5.6 採用邏輯回歸 81
5.6.1 一點數學和一個小例子 81
5.6.2 在帖子分類問題上套用邏輯回歸 83
5.7 觀察正確率的背後：準確率和召回率 84
5.8 為分類器瘦身 87
5.9 出貨 88
5.10 小結 88
第6章 分類Ⅱ：情感分析 89
6.1 路線圖概述 89
6.2 獲取推特（Twitter）數據 89
6.3 樸素貝葉斯分類器介紹 90
6.3.1 了解貝葉斯定理 90
6.3.2 樸素 91
6.3.3 使用樸素貝葉斯進行分類 92
6.3.4 考慮未出現的詞語和其他古怪情況 94
6.3.5 考慮算術下溢 95
6.4 創建第一個分類器並調優 97
6.4.1 先解決一個簡單問題 97
6.4.2 使用所有的類 99
6.4.3 對分類器的參數進行調優 101
6.5 清洗推文 104
6.6 將詞語類型考慮進去 106
6.6.1 確定詞語的類型 106
6.6.2 用SentiWordNet成功地作弊 108
6.6.3 我們第一個估算器 110
6.6.4 把所有東西融合在一起 111
6.7 小結 112
第7章 回歸：推薦 113
7.1 用回歸預測房價 113
7.1.1 多維回歸 116
7.1.2 回歸里的交叉驗證 116
7.2 懲罰式回歸 117
7.2.1 L1和L2懲罰 117
7.2.2 在Scikit—learn中使用Lasso或彈性網 118
7.3 P大於N的情形 119
7.3.1 基於文本的例子 120
7.3.2 巧妙地設定超參數（hyperparameter） 121
7.3.3 評分預測和推薦 122
7.4 小結 126
第8章 回歸：改進的推薦 127
8.1 改進的推薦 127
8.1.1 使用二值推薦矩陣 127
8.1.2 審視電影的近鄰 129
8.1.3 組合多種方法 130
8.2 購物籃分析 132
8.2.1 獲取有用的預測 133
8.2.2 分析超市購物籃 134
8.2.3 關聯規則挖掘 136
8.2.4 更多購物籃分析的高級話題 137
8.3 小結 138
第9章 分類Ⅲ：音樂體裁分類 139
9.1 路線圖概述 139
9.2 獲取音樂數據 139
9.3 觀察音樂 140
9.4 用FFT構建第一個分類器 143
9.4.1 增加實驗敏捷性 143
9.4.2 訓練分類器 144
9.4.3 在多分類問題中用混淆矩陣評估正確率 144
9.4.4 另一種方式評估分類器效果：受試者工作特徵曲線（ROC） 146
9.5 用梅爾倒頻譜係數（MFCC）提升分類效果 148
9.6 小結 152
第10章 計算機視覺：模式識別 154
10.1 圖像處理簡介 154
10.2 讀取和顯示圖像 155
10.2.1 圖像處理基礎 156
10.2.2 加入椒鹽噪聲 161
10.2.3 模式識別 163
10.2.4 計算圖像特徵 163
10.2.5 設計你自己的特徵 164
10.3 在更難的數據集上分類 166
10.4 局部特徵表示 167
10.5 小結 170
第11章 降維 171
11.1 路線圖 171
11.2 選擇特徵 172
11.2.1 用篩選器檢測冗餘特徵 172
11.2.2 用封裝器讓模型選擇特徵 178
11.3 其他特徵選擇方法 180
11.4 特徵抽取 181
11.4.1 主成分分析（PCA） 181
11.4.2 PCA的局限性以及LDA會有什麼幫助 183
11.5 多維標度法（MDS） 184
11.6 小結 187
第12章 大數據 188
12.1 了解大數據 188
12.2 用Jug程式包把你的處理流程分解成幾個任務 189
12.2.1 關於任務 189
12.2.2 復用部分結果 191
12.2.3 幕後的工作原理 192
12.2.4 用Jug分析數據 192
12.3 使用亞馬遜Web服務（AWS） 194
12.3.1 構建你的第一台機器 195
12.3.2 用starcluster自動創建集群 199
12.4 小結 202
附錄A 更多機器學習知識 203
A.1 線上資源 203
A.2 參考書 203
A.2.1 問答網站 203
A.2.2 部落格 204
A.2.3 數據資源 205
A.2.4 競爭日益加劇 205
A.3 還剩下什麼 205
A.4 小結 206
索引 207
