本書結合了機器學習和Python 語言兩個熱門的領域，通過利用兩種核心的機器學習算法來將Python 語言在數據分析方面的優勢發揮到極致。
全書共有10 章。第1 章講解了Python 機器學習的生態系統，剩餘9 章介紹了眾多與機器學習相關的算法，包括各類分類算法、數據可視化技術、推薦引擎等，主要包括機器學習在公寓、機票、IPO 市場、新聞源、內容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的套用。
基本介紹
- 書名：Python機器學習實踐指南
- 作者：庫姆斯 (Alexander T.Combs)
- 原版名稱：Python Machine Learning Blueprints
- 譯者：黃申
- ISBN：9787115449061
- 頁數：251
- 定價：69
- 出版時間：2017-5-1
- 裝幀：平裝
內容簡介,目錄,
內容簡介
機器學習是近年來漸趨熱門的一個領域，同時Python 語言經過一段時間的發展也已逐漸成為主流的程式語言之一。本書結合了機器學習和Python 語言兩個熱門的領域，通過利用兩種核心的機器學習算法來將Python 語言在數據分析方面的優勢發揮到極致。
全書共有10 章。第1 章講解了Python 機器學習的生態系統，剩餘9 章介紹了眾多與機器學習相關的算法，包括各類分類算法、數據可視化技術、推薦引擎等，主要包括機器學習在公寓、機票、IPO 市場、新聞源、內容推廣、股票市場、圖像、聊天機器人和推薦引擎等方面的套用。
本書適合Python 程式設計師、數據分析人員、對算法感興趣的讀者、機器學習領域的從業人員及科研人員閱讀。
目錄
第1章Python機器學習的生態系統1
1.1數據科學/機器學習的工作流程2
1.1.1獲取2
1.1.2檢查和探索2
1.1.3清理和準備3
1.1.4建模3
1.1.5評估3
1.1.6部署3
1.2Python庫和功能3
1.2.1獲取4
1.2.2檢查4
1.2.3準備20
1.2.4建模和評估26
1.2.5部署34
1.3設定機器學習的環境34
1.4小結34
第2章構建應用程式，發現低價的公寓35
2.1獲取公寓房源數據36
使用import.io抓取房源數據36
2.2檢查和準備數據38
2.2.1分析數據46
2.2.2可視化數據50
2.3對數據建模51
2.3.1預測54
2.3.2擴展模型57
2.4小結57
第3章構建應用程式，發現低價的機票58
3.1獲取機票價格數據59
3.2使用高級的網路爬蟲技術檢索票價數據60
3.3解析DOM以提取定價數據62
通過聚類技術識別異常的票價66
3.4使用IFTTT傳送實時提醒75
3.5整合在一起78
3.6小結82
第4章使用邏輯回歸預測IPO市場83
4.1IPO市場84
4.1.1什麼是IPO84
4.1.2近期IPO市場表現84
4.1.3基本的IPO策略93
4.2特徵工程94
4.3二元分類103
4.4特徵的重要性108
4.5小結111
第5章創建自定義的新聞源112
5.1使用Pocket應用程式，創建一個監督訓練的集合112
5.1.1安裝Pocket的Chrome擴展程式113
5.1.2使用PocketAPI來檢索故事114
5.2使用embed.lyAPI下載故事的內容119
5.3自然語言處理基礎120
5.4支持向量機123
5.5IFTTT與文章源、Google表單和電子郵件的集成125
通過IFTTT設定新聞源和Google表單125
5.6設定你的每日個性化新聞簡報133
5.7小結137
第6章預測你的內容是否會廣為流傳138
6.1關於病毒性，研究告訴我們了些什麼139
6.2獲取分享的數量和內容140
6.3探索傳播性的特徵149
6.3.1探索圖像數據149
6.3.2探索標題152
6.3.3探索故事的內容156
6.4構建內容評分的預測模型157
6.5小結162
第7章使用機器學習預測股票市場163
7.1市場分析的類型164
7.2關於股票市場，研究告訴我們些什麼165
7.3如何開發一個交易策略166
7.3.1延長我們的分析周期172
7.3.2使用支持向量回歸，構建我們的模型175
7.3.3建模與動態時間扭曲182
7.4小結186
第8章建立圖像相似度的引擎187
8.1圖像的機器學習188
8.2處理圖像189
8.3查找相似的圖像191
8.4了解深度學習195
8.5構建圖像相似度的引擎198
8.6小結206
第9章打造聊天機器人207
9.1圖靈測試207
9.2聊天機器人的歷史208
9.3聊天機器人的設計212
9.4打造一個聊天機器人217
9.5小結227
第10章構建推薦引擎228
10.1協同過濾229
10.1.1基於用戶的過濾230
10.1.2基於項目的過濾233
10.2基於內容的過濾236
10.3混合系統237
10.4構建推薦引擎238
10.5小結251
1.1數據科學/機器學習的工作流程2
1.1.1獲取2
1.1.2檢查和探索2
1.1.3清理和準備3
1.1.4建模3
1.1.5評估3
1.1.6部署3
1.2Python庫和功能3
1.2.1獲取4
1.2.2檢查4
1.2.3準備20
1.2.4建模和評估26
1.2.5部署34
1.3設定機器學習的環境34
1.4小結34
第2章構建應用程式，發現低價的公寓35
2.1獲取公寓房源數據36
使用import.io抓取房源數據36
2.2檢查和準備數據38
2.2.1分析數據46
2.2.2可視化數據50
2.3對數據建模51
2.3.1預測54
2.3.2擴展模型57
2.4小結57
第3章構建應用程式，發現低價的機票58
3.1獲取機票價格數據59
3.2使用高級的網路爬蟲技術檢索票價數據60
3.3解析DOM以提取定價數據62
通過聚類技術識別異常的票價66
3.4使用IFTTT傳送實時提醒75
3.5整合在一起78
3.6小結82
第4章使用邏輯回歸預測IPO市場83
4.1IPO市場84
4.1.1什麼是IPO84
4.1.2近期IPO市場表現84
4.1.3基本的IPO策略93
4.2特徵工程94
4.3二元分類103
4.4特徵的重要性108
4.5小結111
第5章創建自定義的新聞源112
5.1使用Pocket應用程式，創建一個監督訓練的集合112
5.1.1安裝Pocket的Chrome擴展程式113
5.1.2使用PocketAPI來檢索故事114
5.2使用embed.lyAPI下載故事的內容119
5.3自然語言處理基礎120
5.4支持向量機123
5.5IFTTT與文章源、Google表單和電子郵件的集成125
通過IFTTT設定新聞源和Google表單125
5.6設定你的每日個性化新聞簡報133
5.7小結137
第6章預測你的內容是否會廣為流傳138
6.1關於病毒性，研究告訴我們了些什麼139
6.2獲取分享的數量和內容140
6.3探索傳播性的特徵149
6.3.1探索圖像數據149
6.3.2探索標題152
6.3.3探索故事的內容156
6.4構建內容評分的預測模型157
6.5小結162
第7章使用機器學習預測股票市場163
7.1市場分析的類型164
7.2關於股票市場，研究告訴我們些什麼165
7.3如何開發一個交易策略166
7.3.1延長我們的分析周期172
7.3.2使用支持向量回歸，構建我們的模型175
7.3.3建模與動態時間扭曲182
7.4小結186
第8章建立圖像相似度的引擎187
8.1圖像的機器學習188
8.2處理圖像189
8.3查找相似的圖像191
8.4了解深度學習195
8.5構建圖像相似度的引擎198
8.6小結206
第9章打造聊天機器人207
9.1圖靈測試207
9.2聊天機器人的歷史208
9.3聊天機器人的設計212
9.4打造一個聊天機器人217
9.5小結227
第10章構建推薦引擎228
10.1協同過濾229
10.1.1基於用戶的過濾230
10.1.2基於項目的過濾233
10.2基於內容的過濾236
10.3混合系統237
10.4構建推薦引擎238
10.5小結251
