Python机器学习经典实例 中文目录

[美国] Prateek Joshi 著  陶俊杰  陈小莉  译
作者简介  3
扉页  4
版权页  5
版权声明  6
译者序  8
前言  12
目录  18
第1章    监督学习  22
    1.1　简介  22
    1.2　数据预处理技术  23
        1.2.1　准备工作  23
        1.2.2　详细步骤  23
    1.3　标记编码方法  25
        详细步骤  25
    1.4　创建线性回归器  27
        1.4.1　准备工作  27
        1.4.2　详细步骤  28
    1.5　计算回归准确性  30
        1.5.1　准备工作  30
        1.5.2　详细步骤  31
    1.6　保存模型数据  31
        详细步骤  31
    1.7　创建岭回归器  32
        1.7.1　准备工作  32
        1.7.2　详细步骤  33
    1.8　创建多项式回归器  34
        1.8.1　准备工作  34
        1.8.2　详细步骤  35
    1.9　估算房屋价格  36
        1.9.1　准备工作  36
        1.9.2　详细步骤  37
    1.10　计算特征的相对重要性  38
        详细步骤  38
    1.11　评估共享单车的需求分布  40
        1.11.1　准备工作  40
        1.11.2　详细步骤  40
        1.11.3　更多内容  42
第2章　创建分类器  45
    2.1　简介  45
    2.2　建立简单分类器  46
        2.2.1　详细步骤  46
        2.2.2　更多内容  48
    2.3　建立逻辑回归分类器  48
        详细步骤  48
    2.4　建立朴素贝叶斯分类器  52
        详细步骤  52
    2.5　将数据集分割成训练集和测试集  53
        详细步骤  53
    2.6　用交叉验证检验模型准确性  54
        2.6.1　准备工作  55
        2.6.2　详细步骤  55
    2.7　混淆矩阵可视化  56
        详细步骤  57
    2.8　提取性能报告  58
        详细步骤  58
    2.9　根据汽车特征评估质量  59
        2.9.1　准备工作  59
        2.9.2　详细步骤  59
    2.10　生成验证曲线  61
        详细步骤  62
    2.11　生成学习曲线  64
        详细步骤  65
    2.12　估算收入阶层  66
        详细步骤  66
第3章　预测建模  69
    3.1　简介  69
    3.2　用SVM建立线性分类器  70
        3.2.1　准备工作  70
        3.2.2　详细步骤  71
    3.3　用SVM建立非线性分类器  74
        详细步骤  74
    3.4　解决类型数量不平衡问题  76
        详细步骤  76
    3.5　提取置信度  79
        详细步骤  79
    3.6　寻找最优超参数  81
        详细步骤  81
    3.7　建立事件预测器  83
        3.7.1　准备工作  83
        3.7.2　详细步骤  83
    3.8　估算交通流量  85
        3.8.1　准备工作  85
        3.8.2　详细步骤  85
第4章　无监督学习——聚类  88
    4.1　简介  88
    4.2　用k-means算法聚类数据  88
        详细步骤  89
    4.3　用矢量量化压缩图片  91
        详细步骤  91
    4.4　建立均值漂移聚类模型  95
        详细步骤  95
    4.5　用凝聚层次聚类进行数据分组  97
        详细步骤  97
    4.6　评价聚类算法的聚类效果  100
        详细步骤  100
    4.7　用DBSCAN算法自动估算集群数量  103
        详细步骤  103
    4.8　探索股票数据的模式  107
        详细步骤  107
    4.9　建立客户细分模型  109
        详细步骤  109
第5章　构建推荐引擎  112
    5.1　简介  112
    5.2　为数据处理构建函数组合  113
        详细步骤  113
    5.3　构建机器学习流水线  114
        5.3.1　详细步骤  114
        5.3.2　工作原理  116
    5.4　寻找最近邻  116
        详细步骤  116
    5.5　构建一个KNN分类器  119
        5.5.1　详细步骤  119
        5.5.2　工作原理  123
    5.6　构建一个KNN回归器  123
        5.6.1　详细步骤  123
        5.6.2　工作原理  125
    5.7　计算欧氏距离分数  126
        详细步骤  126
    5.8　计算皮尔逊相关系数  127
        详细步骤  127
    5.9　寻找数据集中的相似用户  129
        详细步骤  129
    5.10　生成电影推荐  130
        详细步骤  131
第6章　分析文本数据  133
    6.1　简介  133
    6.2　用标记解析的方法预处理数据  134
        详细步骤  134
    6.3　提取文本数据的词干  135
        6.3.1　详细步骤  135
        6.3.2　工作原理  136
    6.4　用词形还原的方法还原文本的基本形式  137
        详细步骤  137
    6.5　用分块的方法划分文本  138
        详细步骤  138
    6.6　创建词袋模型  139
        6.6.1　详细步骤  139
        6.6.2　工作原理  141
    6.7　创建文本分类器  142
        6.7.1　详细步骤  142
        6.7.2　工作原理  144
    6.8　识别性别  145
        详细步骤  145
    6.9　分析句子的情感  146
        6.9.1　详细步骤  147
        6.9.2　工作原理  149
    6.10　用主题建模识别文本的模式  149
        6.10.1　详细步骤  149
        6.10.2　工作原理  152
第7章　语音识别  153
    7.1　简介  153
    7.2　读取和绘制音频数据  153
        详细步骤  154
    7.3　将音频信号转换为频域  155
        详细步骤  155
    7.4　自定义参数生成音频信号  157
        详细步骤  157
    7.5　合成音乐  159
        详细步骤  159
    7.6　提取频域特征  161
        详细步骤  161
    7.7　创建隐马尔科夫模型  163
        详细步骤  163
    7.8　创建一个语音识别器  164
        详细步骤  165
第8章　解剖时间序列和时序数据  168
    8.1　简介  168
    8.2　将数据转换为时间序列格式  169
        详细步骤  169
    8.3　切分时间序列数据  171
        详细步骤  171
    8.4　操作时间序列数据  173
        详细步骤  173
    8.5　从时间序列数据中提取统计数字  175
        详细步骤  175
    8.6　针对序列数据创建隐马尔科夫模型  178
        8.6.1　准备工作  179
        8.6.2　详细步骤  179
    8.7　针对序列文本数据创建条件随机场  182
        8.7.1　准备工作  182
        8.7.2　详细步骤  182
    8.8　用隐马尔科夫模型分析股票市场数据  185
        详细步骤  185
第9章　图像内容分析  187
    9.1　简介  187
    9.2　用OpenCV-Pyhon操作图像  188
        详细步骤  188
    9.3　检测边  191
        详细步骤  191
    9.4　直方图均衡化  195
        详细步骤  195
    9.5　检测棱角  197
        详细步骤  198
    9.6　检测SIFT特征点  199
        详细步骤  200
    9.7　创建Star特征检测器  201
        详细步骤  202
    9.8　利用视觉码本和向量量化创建特征  203
        详细步骤  203
    9.9　用极端随机森林训练图像分类器  206
        详细步骤  206
    9.10　创建一个对象识别器  208
        详细步骤  208
第10章　人脸识别  210
    10.1　简介  210
    10.2　从网络摄像头采集和处理视频信息  210
        详细步骤  211
    10.3　用Haar级联创建一个人脸识别器  212
        详细步骤  212
    10.4　创建一个眼睛和鼻子检测器  214
        详细步骤  214
    10.5　做主成分分析  217
        详细步骤  217
    10.6　做核主成分分析  218
        详细步骤  219
    10.7　做盲源分离  222
        详细步骤  222
    10.8　用局部二值模式直方图创建一个人脸识别器  226
        详细步骤  226
第11章　深度神经网络  231
    11.1　简介  231
    11.2　创建一个感知器  232
        详细步骤  232
    11.3　创建一个单层神经网络  234
        详细步骤  234
    11.4　创建一个深度神经网络  237
        详细步骤  237
    11.5　创建一个向量量化器  240
        详细步骤  240
    11.6　为序列数据分析创建一个递归神经网络  242
        详细步骤  243
    11.7　在光学字符识别数据库中将字符可视化  246
        详细步骤  246
    11.8　用神经网络创建一个光学字符识别器  247
        详细步骤  248
第12章　可视化数据  251
    12.1　简介  251
    12.2　画3D散点图  251
        详细步骤  252
    12.3　画气泡图  253
        详细步骤  253
    12.4　画动态气泡图  254
        详细步骤  254
    12.5　画饼图  256
        详细步骤  256
    12.6　画日期格式的时间序列数据  258
        详细步骤  258
    12.7　画直方图  260
        详细步骤  260
    12.8　可视化热力图  262
        详细步骤  262
    12.9　动态信号的可视化模拟  263
        详细步骤  263
延展阅读  266
连接图灵  268
看完了  270