Python機(jī)器學(xué)習(xí)經(jīng)典實例（第2版）

定　價：￥139.80

作　者：	[意] 朱塞佩·查博羅（Giuseppe Ciaburro）著，王海玲，李昉譯
出版社：	人民郵電出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787115556929	出版時間：	2021-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	438	字?jǐn)?shù)：

內(nèi)容簡介

　　本書介紹了如何使用scikit-learn、TensorFlow等關(guān)鍵庫來有效解決現(xiàn)實世界的機(jī)器學(xué)習(xí)問題。本書著重于實用的解決方案，提供多個案例，詳細(xì)地講解了如何使用Python生態(tài)系統(tǒng)中的現(xiàn)代庫來構(gòu)建功能強(qiáng)大的機(jī)器學(xué)習(xí)應(yīng)用程序；還介紹了分類、聚類和推薦引擎等多種機(jī)器學(xué)習(xí)算法，以及如何將監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)技術(shù)應(yīng)用于實際問題；最后，介紹了強(qiáng)化學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)和自動機(jī)器學(xué)習(xí)等應(yīng)用示例。本書適合數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)開發(fā)人員、深度學(xué)習(xí)愛好者以及希望使用機(jī)器學(xué)習(xí)技術(shù)和算法解決實際問題的Python程序員閱讀。

作者簡介

　　朱塞佩.查博羅（Giuseppe Ciaburro）擁有環(huán)境技術(shù)物理學(xué)博士學(xué)位和兩個學(xué)科的碩士學(xué)位，他的重點研究方向是機(jī)器學(xué)習(xí)在城市聲環(huán)境研究中的應(yīng)用。他有超過15年的編程專業(yè)經(jīng)驗（Python、R、MATLAB），開始從事燃燒學(xué)領(lǐng)域的研究，后又致力于聲學(xué)和噪音控制方向，并出版過幾本著作，銷量均不錯。普拉蒂克.喬希（Prateek Joshi）畢業(yè)于南加州大學(xué)，擁有人工智能碩士學(xué)位。他是一位人工智能專家，也是一位 TEDx演講者，曾位列福布斯30歲以下的30位精英榜單，并在美國消費者新聞與商業(yè)頻道（CNBC）、TechCrunch、硅谷商業(yè)期刊（Silicon Valley Business Journal）及更多的刊物上發(fā)表過文章。

圖書目錄

第 1章　監(jiān)督學(xué)習(xí)　1
1．1　技術(shù)要求　1
1．2　簡介　2
1．3　用Python創(chuàng)建數(shù)組　3
1．3．1　準(zhǔn)備工作　3
1．3．2　詳細(xì)步驟　3
1．3．3　工作原理　4
1．3．4　更多內(nèi)容　4
1．4　用均值移除法進(jìn)行數(shù)據(jù)預(yù)處理　5
1．4．1　準(zhǔn)備工作　5
1．4．2　詳細(xì)步驟　6
1．4．3　工作原理　7
1．4．4　更多內(nèi)容　7
1．5　數(shù)據(jù)縮放　7
1．5．1　準(zhǔn)備工作　7
1．5．2　詳細(xì)步驟　8
1．5．3　工作原理　9
1．5．4　更多內(nèi)容　9
1．6　歸一化　9
1．6．1　準(zhǔn)備工作　9
1．6．2　詳細(xì)步驟　10
1．6．3　工作原理　10
1．6．4　更多內(nèi)容　10
1．7　二值化　10
1．7．1　準(zhǔn)備工作　11
1．7．2　詳細(xì)步驟　11
1．7．3　工作原理　11
1．7．4　更多內(nèi)容　12
1．8　one-hot編碼　12
1．8．1　準(zhǔn)備工作　12
1．8．2　詳細(xì)步驟　12
1．8．3　工作原理　13
1．8．4　更多內(nèi)容　14
1．9　標(biāo)簽編碼　14
1．9．1　準(zhǔn)備工作　14
1．9．2　詳細(xì)步驟　14
1．9．3　工作原理　15
1．9．4　更多內(nèi)容　16
1．10　構(gòu)建線性回歸器　16
1．10．1　準(zhǔn)備工作　17
1．10．2　詳細(xì)步驟　18
1．10．3　工作原理　20
1．10．4　更多內(nèi)容　20
1．11　計算回歸準(zhǔn)確度　21
1．11．1　準(zhǔn)備工作　21
1．11．2　詳細(xì)步驟　21
1．11．3　工作原理　22
1．11．4　更多內(nèi)容　22
1．12　模型持久化　22
1．12．1　準(zhǔn)備工作　22
1．12．2　詳細(xì)步驟　23
1．12．3　工作原理　23
1．12．4　更多內(nèi)容　23
1．13　構(gòu)建嶺回歸器　24
1．13．1　準(zhǔn)備工作　25
1．13．2　詳細(xì)步驟　25
1．13．3　工作原理　26
1．14　構(gòu)建多項式回歸器　26
1．14．1　準(zhǔn)備工作　27
1．14．2　詳細(xì)步驟　27
1．14．3　工作原理　29
1．14．4　更多內(nèi)容　29
1．15　估算房屋價格　29
1．15．1　準(zhǔn)備工作　30
1．15．2　詳細(xì)步驟　30
1．15．3　工作原理　33
1．15．4　更多內(nèi)容　33
1．16　計算特征的相對重要性　33
1．16．1　準(zhǔn)備工作　34
1．16．2　詳細(xì)步驟　34
1．16．3　工作原理　36
1．16．4　更多內(nèi)容　36
1．17　評估共享單車的需求分布　36
1．17．1　準(zhǔn)備工作　36
1．17．2　詳細(xì)步驟　36
1．17．3　工作原理　39
1．17．4　更多內(nèi)容　39
第　2章構(gòu)建分類器　41
2．1　技術(shù)要求　41
2．2　簡介　42
2．3　構(gòu)建簡單分類器　42
2．3．1　準(zhǔn)備工作　43
2．3．2　詳細(xì)步驟　43
2．3．3　工作原理　45
2．3．4　更多內(nèi)容　45
2．4　構(gòu)建邏輯回歸分類器　45
2．4．1　準(zhǔn)備工作　45
2．4．2　詳細(xì)步驟　46
2．4．3　工作原理　49
2．4．4　更多內(nèi)容　49
2．5　構(gòu)建樸素貝葉斯分類器　49
2．5．1　準(zhǔn)備工作　50
2．5．2　詳細(xì)步驟　50
2．5．3　工作原理　52
2．5．4　更多內(nèi)容　53
2．6　將數(shù)據(jù)集劃分成訓(xùn)練集和測試集　53
2．6．1　準(zhǔn)備工作　54
2．6．2　詳細(xì)步驟　54
2．6．3　工作原理　56
2．6．4　更多內(nèi)容　57
2．7　用交叉驗證評估模型準(zhǔn)確度　57
2．7．1　準(zhǔn)備工作　57
2．7．2　詳細(xì)步驟　57
2．7．3　工作原理　58
2．7．4　更多內(nèi)容　59
2．8　混淆矩陣可視化　59
2．8．1　準(zhǔn)備工作　60
2．8．2　詳細(xì)步驟　60
2．8．3　工作原理　61
2．8．4　更多內(nèi)容　62
2．9　提取性能報告　62
2．9．1　準(zhǔn)備工作　62
2．9．2　詳細(xì)步驟　62
2．9．3　工作原理　63
2．9．4　更多內(nèi)容　63
2．10　根據(jù)特征評估汽車質(zhì)量　63
2．10．1　準(zhǔn)備工作　63
2．10．2　詳細(xì)步驟　64
2．10．3　工作原理　66
2．10．4　更多內(nèi)容　66
2．11　生成驗證曲線　66
2．11．1　準(zhǔn)備工作　67
2．11．2　詳細(xì)步驟　67
2．11．3　工作原理　69
2．11．4　更多內(nèi)容　69
2．12　生成學(xué)習(xí)曲線　69
2．12．1　準(zhǔn)備工作　70
2．12．2　詳細(xì)步驟　70
2．12．3　工作原理　71
2．12．4　更多內(nèi)容　71
2．13　估算收入階層　71
2．13．1　準(zhǔn)備工作　72
2．13．2　詳細(xì)步驟　72
2．13．3　工作原理　75
2．13．4　更多內(nèi)容　75
2．14　葡萄酒質(zhì)量預(yù)測　75
2．14．1　準(zhǔn)備工作　76
2．14．2　詳細(xì)步驟　76
2．14．3　工作原理　78
2．14．4　更多內(nèi)容　78
2．15　新聞組熱門話題分類　78
2．15．1　準(zhǔn)備工作　78
2．15．2　詳細(xì)步驟　79
2．15．3　工作原理　80
2．15．4　更多內(nèi)容　80
第3章　預(yù)測建?！?1
3．1　技術(shù)要求　81
3．2　簡介　82
3．3　用SVM構(gòu)建線性分類器　82
3．3．1　準(zhǔn)備工作　83
3．3．2　詳細(xì)步驟　84
3．3．3　工作原理　86
3．3．4　更多內(nèi)容　87
3．4　用SVM構(gòu)建非線性分類器　87
3．4．1　準(zhǔn)備工作　87
3．4．2　詳細(xì)步驟　87
3．4．3　工作原理　89
3．4．4　更多內(nèi)容　89
3．5　解決類型不平衡問題　89
3．5．1　準(zhǔn)備工作　90
3．5．2　詳細(xì)步驟　90
3．5．3　工作原理　93
3．5．4　更多內(nèi)容　93
3．6　提取置信度　93
3．6．1　準(zhǔn)備工作　93
3．6．2　詳細(xì)步驟　93
3．6．3　工作原理　95
3．6．4　更多內(nèi)容　96
3．7　尋找最優(yōu)超參數(shù)　96
3．7．1　準(zhǔn)備工作　96
3．7．2　詳細(xì)步驟　96
3．7．3　工作原理　100
3．7．4　更多內(nèi)容　101
3．8　構(gòu)建事件預(yù)測器　101
3．8．1　準(zhǔn)備工作　101
3．8．2　詳細(xì)步驟　102
3．8．3　工作原理　104
3．8．4　更多內(nèi)容　104
3．9　估算交通流量　104
3．9．1　準(zhǔn)備工作　104
3．9．2　詳細(xì)步驟　105
3．9．3　工作原理　107
3．9．4　更多內(nèi)容　107
3．10　用TensorFlow簡化機(jī)器學(xué)習(xí)流程　107
3．10．1　準(zhǔn)備工作　107
3．10．2　詳細(xì)步驟　108
3．10．3　工作原理　109
3．10．4　更多內(nèi)容　109
3．11　堆疊法實現(xiàn)　109
3．11．1　準(zhǔn)備工作　109
3．11．2　詳細(xì)步驟　109
3．11．3　工作原理　110
3．11．4　更多內(nèi)容　111
第4章　無監(jiān)督學(xué)習(xí)——聚類　112
4．1　技術(shù)要求　112
4．2　簡介　113
4．3　用k-means算法聚類數(shù)據(jù)　113
4．3．1　準(zhǔn)備工作　114
4．3．2　詳細(xì)步驟　114
4．3．3　工作原理　116
4．3．4　更多內(nèi)容　117
4．4　用向量量化壓縮圖片　117
4．4．1　準(zhǔn)備工作　118
4．4．2　詳細(xì)步驟　118
4．4．3　工作原理　121
4．4．4　更多內(nèi)容　121
4．5　用凝聚層次聚類進(jìn)行數(shù)據(jù)分組　122
4．5．1　準(zhǔn)備工作　122
4．5．2　詳細(xì)步驟　122
4．5．3　工作原理　125
4．5．4　更多內(nèi)容　125
4．6　評估聚類算法性能　126
4．6．1　準(zhǔn)備工作　126
4．6．2　詳細(xì)步驟　126
4．6．3　工作原理　129
4．6．4　更多內(nèi)容　129
4．7　用DBSCAN算法估算簇的個數(shù)　129
4．7．1　準(zhǔn)備工作　130
4．7．2　詳細(xì)步驟　130
4．7．3　工作原理　133
4．7．4　更多內(nèi)容　133
4．8　探索股票數(shù)據(jù)模式　134
4．8．1　準(zhǔn)備工作　134
4．8．2　詳細(xì)步驟　134
4．8．3　工作原理　136
4．8．4　更多內(nèi)容　136
4．9　構(gòu)建市場細(xì)分模型　136
4．9．1　準(zhǔn)備工作　136
4．9．2　詳細(xì)步驟　137
4．9．3　工作原理　139
4．9．4　更多內(nèi)容　139
4．10　用自動編碼器重構(gòu)手寫數(shù)字圖像　139
4．10．1　準(zhǔn)備工作　140
4．10．2　詳細(xì)步驟　140
4．10．3　工作原理　143
4．10．4　更多內(nèi)容　144
第5章　可視化數(shù)據(jù)　145
5．1　技術(shù)需求　145
5．2　簡介　146
5．3　畫3D散點圖　146
5．3．1　準(zhǔn)備工作　146
5．3．2　詳細(xì)步驟　146
5．3．3　工作原理　148
5．3．4　更多內(nèi)容　148
5．4　畫氣泡圖　148
5．4．1　準(zhǔn)備工作　148
5．4．2　詳細(xì)步驟　148
5．4．3　工作原理　149
5．4．4　更多內(nèi)容　150
5．5　畫動態(tài)氣泡圖　150
5．5．1　準(zhǔn)備工作　150
5．5．2　詳細(xì)步驟　150
5．5．3　工作原理　152
5．5．4　更多內(nèi)容　152
5．6　畫餅圖　152
5．6．1　準(zhǔn)備工作　152
5．6．2　詳細(xì)步驟　153
5．6．3　工作原理　154
5．6．4　更多內(nèi)容　154
5．7　繪制日期格式的時間序列數(shù)據(jù)　154
5．7．1　準(zhǔn)備工作　154
5．7．2　詳細(xì)步驟　154
5．7．3　工作原理　156
5．7．4　更多內(nèi)容　156
5．8　畫直方圖　156
5．8．1　準(zhǔn)備工作　157
5．8．2　詳細(xì)步驟　157
5．8．3　工作原理　158
5．8．4　更多內(nèi)容　159
5．9　可視化熱力圖　159
5．9．1　準(zhǔn)備工作　159
5．9．2　詳細(xì)步驟　159
5．9．3　工作原理　161
5．9．4　更多內(nèi)容　161
5．10　動態(tài)信號的可視化模擬　161
5．10．1　準(zhǔn)備工作　161
5．10．2　詳細(xì)步驟　161
5．10．3　工作原理　163
5．10．4　更多內(nèi)容　164
5．11　用seaborn庫畫圖　164
5．11．1　準(zhǔn)備工作　164
5．11．2　詳細(xì)步驟　164
5．11．3　工作原理　166
5．11．4　更多內(nèi)容　166
第6章　構(gòu)建推薦引擎　167
6．1　技術(shù)要求　167
6．2　簡介　168
6．3　為數(shù)據(jù)處理構(gòu)建函數(shù)組合　168
6．4　構(gòu)建機(jī)器學(xué)習(xí)管道　171
6．5　構(gòu)建最近鄰分類器　173
6．6　構(gòu)建KNN分類器　176
6．7　構(gòu)建KNN回歸器　181
6．8　計算歐式距離分?jǐn)?shù)　184
6．9　計算皮爾遜相關(guān)系數(shù)　186
6．10　查找數(shù)據(jù)集中的相似用戶　189
6．11　生成電影推薦　191
6．12　實現(xiàn)排序算法　193
6．13　用TensorFlow構(gòu)建過濾器模型　195
第7章　文本數(shù)據(jù)分析　201
7．1　技術(shù)要求　201
7．2　簡介　202
7．3　用標(biāo)記解析的方法預(yù)處理數(shù)據(jù)　203
7．4　提取文本數(shù)據(jù)的詞干　205
7．5　用詞形還原的方法還原文本的基本形式　207
7．6　用分塊的方法劃分文本　209
7．7　構(gòu)建詞袋模型　211
7．8　構(gòu)建文本分類器　214
7．9　識別名字性別　217
7．10　語句情感分析　219
7．11　用主題建模識別文本模式　223
7．12　用spaCy進(jìn)行詞性標(biāo)注　226
7．13　用gensim構(gòu)建Word2Vec模型　228
7．14　用淺層學(xué)習(xí)檢測垃圾信息　229
第8章　語音識別　232
8．1　技術(shù)要求　232
8．2　簡介　233
8．3　讀取和繪制音頻數(shù)據(jù)　233
8．4　將音頻信號轉(zhuǎn)換為頻域　236
8．5　用自定義參數(shù)生成音頻信號　238
8．6　合成音樂　241
8．7　提取頻域特征　243
8．8　構(gòu)建隱馬爾可夫模型　246
8．9　構(gòu)建語音識別器　248
8．10　構(gòu)建TTS系統(tǒng)　253
第9章　時序列化和時序數(shù)據(jù)分析　256
9．1　技術(shù)要求　256
9．2　簡介　257
9．3　將數(shù)據(jù)轉(zhuǎn)換為時間序列格式　257
9．4　切分時間序列數(shù)據(jù)　260
9．5　操作時間序列數(shù)據(jù)　262
9．6　從時序數(shù)據(jù)中提取統(tǒng)計信息　265
9．7　為序列數(shù)據(jù)構(gòu)建隱馬爾可夫模型　268
9．8　為序列化文本數(shù)據(jù)構(gòu)建條件隨機(jī)場　271
9．9　股市數(shù)據(jù)分析　274
9．10　用RNN預(yù)測時間序列數(shù)據(jù)　279
第　10章圖像內(nèi)容分析　284
10．1　技術(shù)要求　284
10．2　簡介　285
10．3　用OpenCV_Python操作圖像　286
10．4　邊緣檢測　288
10．5　直方圖均衡　290
10．6　角點檢測　293
10．7　SIFT特征點檢測　294
10．8　構(gòu)建Star特征檢測器　296
10．9　用視覺碼本和向量量化創(chuàng)建特征　299
10．10　用極端隨機(jī)森林訓(xùn)練圖像分類器　302
10．11　構(gòu)建對象識別器　304
10．12　用LightGBM進(jìn)行圖像分類　306

第　11章生物特征人臉識別　310
11．1　技術(shù)要求　310
11．2　簡介　311
11．3　從網(wǎng)絡(luò)攝像頭采集和處理視頻信息　311
11．4　用Haar級聯(lián)構(gòu)建人臉識別器　313
11．5　構(gòu)建眼鼻檢測器　316
11．6　主成分分析　319
11．7　核主成分分析　321
11．8　盲源分離　324
11．9　用局部二值模式直方圖構(gòu)建人臉識別器　328
11．10　基于HOG模型進(jìn)行人臉識別　332
11．11　人臉特征點識別　334
11．12　用人臉識別進(jìn)行用戶身份驗證　336
第　12章強(qiáng)化學(xué)習(xí)　339
12．1　技術(shù)要求　339
12．2　簡介　340
12．3　用MDP預(yù)報天氣　341
12．4　用DP優(yōu)化金融投資組合　344
12．5　找出最短路徑　346
12．6　使用Q學(xué)習(xí)決定折扣因子　348
12．7　實現(xiàn)深度Q學(xué)習(xí)算法　351
12．8　開發(fā)基于AI的動態(tài)模型系統(tǒng)　353
12．9　通過雙Q學(xué)習(xí)進(jìn)行深度強(qiáng)化學(xué)習(xí)　355
12．10　通過dueling Q學(xué)習(xí)進(jìn)行深度強(qiáng)化學(xué)習(xí)　357
第　13章深度神經(jīng)網(wǎng)絡(luò)　361
13．1　技術(shù)要求　361
13．2　簡介　362
13．3　構(gòu)建感知機(jī)模型　362
13．4　構(gòu)建單層神經(jīng)網(wǎng)絡(luò)　365
13．5　構(gòu)建深度神經(jīng)網(wǎng)絡(luò)　368
13．6　創(chuàng)建向量量化器　371
13．7　為序列數(shù)據(jù)分析構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò)　373
13．8　可視化OCR數(shù)據(jù)庫字符　377
13．9　使用神經(jīng)網(wǎng)絡(luò)構(gòu)建光學(xué)字符識別器　379
13．10　用ANN實現(xiàn)優(yōu)化算法　381

第　14章無監(jiān)督表示學(xué)習(xí)　385
14．1　需要的文件　385
14．2　簡介　386
14．3　用降噪自動編碼器檢測欺詐交易　386
14．4　用CBOW和skipgram表示生成詞嵌入　391
14．5　用PCA和t-SNE可視化MNIST數(shù)據(jù)　393
14．6　使用詞嵌入進(jìn)行推特情感分析　397
14．7　用scikit-learn實現(xiàn)LDA　400
14．8　用LDA對文本文檔分類　402
14．9　為LDA準(zhǔn)備數(shù)據(jù)　405
第　15章自動機(jī)器學(xué)習(xí)與遷移學(xué)習(xí)　408
15．1　技術(shù)要求　408
15．2　簡介　409
15．3　Auto-WEKA　409
15．4　用AutoML工具TPOT生成機(jī)器學(xué)習(xí)管道　410
15．5　Auto-Keras　412
15．6　auto-sklearn　413
15．7　用MLBox進(jìn)行功能選擇和泄漏檢測　415
15．8　用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí)　417
15．9　用ResNet-50作預(yù)訓(xùn)練圖像分類器進(jìn)行遷移學(xué)習(xí)　421
15．10　用VGG16模型作特征提取器進(jìn)行遷移學(xué)習(xí)　423
15．11　用預(yù)訓(xùn)練GloVe嵌入模型進(jìn)行遷移學(xué)習(xí)　425
第　16章生產(chǎn)中的應(yīng)用　430
16．1　技術(shù)要求　430
16．2　簡介　430
16．3　處理非結(jié)構(gòu)化數(shù)據(jù)　431
16．4　部署機(jī)器學(xué)習(xí)模型　433
16．5　跟蹤生產(chǎn)中的變化　435
16．6　跟蹤準(zhǔn)確率并優(yōu)化模型　437