内容介绍
近几年来，Python已经成为一种非常流行的编程语言，在机器学习领域也有不错的表现。Scikit-learn是一个用Python语言编写的机器学习算法库，它能实现很多常用机器学习算法，是一个很好的工具。这本书共14章，详细介绍了机器学习模型和scikit-learn的用法技巧。该书首先介绍了机器学习的基本理论，包括简单线性回归，K-近邻算法，特征提取，多元线性回归，逻辑回归，朴素贝叶斯，非线性分类，决策树回归，随机森林，感知机，支持向量机，神经网络，K-均值算法，主成分分析等。这本书适用于机器学习领域的工程师，也适用于那些想了解scikit-learn的数据科学家。读者可透过这本书，有效提升自己的机器学习模型构建与评估的能力，并可有效解决机器学习难题。
作者介绍
Gavin Hackeling 是一名数据科学家和作家。他研究过各种各样的机器学习问题，包括自动语音识别、文档分类、目标识别、以及语义切分。Gavin Hackeling 毕业于北卡罗来纳大学和纽约大学，目前和他的妻子和猫生活在布鲁克林。
目录
- 第 1章 机器学习基础 1
- 第 2章 简单线性回归 12
- 第3章 用K-近邻算法分类和回归 22
- 第4章 特征提取 37
- 第5章 从简单线性回归到多元线性回归 58
- 第6章 从线性回归到逻辑回归 77
- 第7章 朴素贝叶斯 98
- 第8章 非线性分类和决策树回归 107
- 第9章 集成方法：从决策树到随机森林 121
- 第 10章 感知机 129
- 第 11章 从感知机到支持向量机 141
- 第 12章 从感知机到人工神经网络 153
- 第 13章 K-均值算法 166
- 第 14章 使用主成分分析降维 185
