编辑推荐
机器学习正在迅速成为数据驱动型世界的一个bi备模块。许多不同的领域，如机器人、医学、零售和出版等，都需要依赖这门技术。通过阅读 Python机器学习实践指南 ，你将学习如何一步步构建真实的机器学习应用程序。Python机器学习实践指南 以通俗易懂，简洁明了的方式，教你如何使用机器学习来收集、分析并操作大量的数据。通过易于理解的项目，本书讲解如何处理各种类型的数据、如何以及何时应用不同的机器学习技术，包括监督学习和无监督学习。本书中的每个项目都同时提供了教学和实践，你将学习如何使用聚类技术来发现低价的机票，以及如何使用线性回归找到一间便宜的公寓 。Python机器学习实践指南 适合的读者包括了解数据科学的Python程序员、数据科学家、架构师，以及想要构建完整的、基于Python的机器学习系统的人们。通过阅读Python机器学习实践指南 ，你将能：·了解Python机器学习的生态系统；·了解如何执行线性回归；·机器视觉概念的介绍；·高级数据可视化技术；·如何使用第三方API，部署机器学习模型；·时间序列的建模技术；·如何构建无监督模型。
内容简介
机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。
作者简介
Alexander T. Combs 是一位经验丰富的数据科学家、策略师和开发人员。他有金融数据抽取、自然语言处理和生成，以及定量和统计建模的背景。他目前是纽约沉浸式数据科学项目的一名全职zi深讲师。
目录
- 第1章Python机器学习的生态系统 1
- 1.1 数据科学/机器学习的工作流程 2
- 1.1.1 获取 2
- 1.1.2 检查和探索 2
- 1.1.3 清理和准备 3
- 1.1.4 建模 3
- 1.1.5 评估 3
- 1.1.6 部署 3
- 1.2 Python库和功能 3
- 1.2.1 获取 4
- 1.2.2 检查 4
- 1.2.3 准备 20
- 1.2.4 建模和评估 26
- 1.2.5 部署 34
- 1.3 设置机器学习的环境 34
- 1.4 小结 34
- 第2章构建应用程序，发现低价的公寓 35
- 2.1 获取公寓房源数据 36
- 使用import.io抓取房源数据 36
- 2.2 检查和准备数据 38
- 2.2.1 分析数据 46
- 2.2.2 可视化数据 50
- 2.3 对数据建模 51
- 2.3.1 预测 54
- 2.3.2 扩展模型 57
- 2.4 小结 57
- 第3章构建应用程序，发现低价的机票 58
- 3.1 获取机票价格数据 59
- 3.2 使用高级的网络爬虫技术检索票价数据 60
- 3.3 解析DOM以提取定价数据 62
- 通过聚类技术识别异常的票价 66
- 3.4 使用IFTTT发送实时提醒 75
- 3.5 整合在一起 78
- 3.6 小结 82
- 第4章使用逻辑回归预测IPO市场 83
- 4.1 IPO市场 84
- 4.1.1 什么是IPO 84
- 4.1.2 近期IPO市场表现 84
- 4.1.3 基本的IPO策略 93
- 4.2 特征工程 94
- 4.3 二元分类 103
- 4.4 特征的重要性 108
- 4.5 小结 111
- 第5章创建自定义的新闻源 112
- 5.1 使用Pocket应用程序，创建一个监督训练的集合 112
- 5.1.1 安装Pocket的Chrome扩展程序 113
- 5.1.2 使用Pocket API来检索故事 114
- 5.2 使用embed.ly API下载故事的内容 119
- 5.3 自然语言处理基础 120
- 5.4 支持向量机 123
- 5.5 IFTTT与文章源、Google表单和电子邮件的集成 125
- 通过IFTTT设置新闻源和Google表单 125
- 5.6 设置你的每日个性化新闻简报 133
- 5.7 小结 137
- 第6章预测你的内容是否会广为流传 138
- 6.1 关于病毒性，研究告诉我们了些什么 139
- 6.2 获取分享的数量和内容 140
- 6.3 探索传播性的特征 149
- 6.3.1 探索图像数据 149
- 6.3.2 探索标题 152
- 6.3.3 探索故事的内容 156
- 6.4 构建内容评分的预测模型 157
- 6.5 小结 162
- 第7章使用机器学习预测股票市场 163
- 7.1 市场分析的类型 164
- 7.2 关于股票市场，研究告诉我们些什么 165
- 7.3 如何开发一个交易策略 166
- 7.3.1 延长我们的分析周期 172
- 7.3.2 使用支持向量回归，构建我们的模型 175
- 7.3.3 建模与动态时间扭曲 182
- 7.4 小结 186
- 第8章建立图像相似度的引擎 187
- 8.1 图像的机器学习 188
- 8.2 处理图像 189
- 8.3 查找相似的图像 191
- 8.4 了解深度学习 195
- 8.5 构建图像相似度的引擎 198
- 8.6 小结 206
- 第9章打造聊天机器人 207
- 9.1 图灵测试 207
- 9.2聊天机器人的历史 208
- 9.3 聊天机器人的设计 212
- 9.4 打造一个聊天机器人 217
- 9.5 小结 227
- 第10章构建推荐引擎 228
- 10.1 协同过滤 229
- 10.1.1 基于用户的过滤 230
- 10.1.2 基于项目的过滤 233
- 10.2 基于内容的过滤 236
- 10.3 混合系统 237
- 10.4 构建推荐引擎 238
- 10.5 小结 251
