Python機(jī)器學(xué)習(xí)實(shí)踐指南

定　價(jià)：￥69.00

作　者：	Alexander，T.，Combs 著；黃申譯
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 人工智能

購(gòu)買這本書可以去

ISBN：	9787115449061	出版時(shí)間：	2017-04-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	251	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　機(jī)器學(xué)習(xí)是近年來(lái)漸趨熱門的一個(gè)領(lǐng)域，同時(shí)Python 語(yǔ)言經(jīng)過(guò)一段時(shí)間的發(fā)展也已逐漸成為主流的編程語(yǔ)言之一。本書結(jié)合了機(jī)器學(xué)習(xí)和Python 語(yǔ)言兩個(gè)熱門的領(lǐng)域，通過(guò)利用兩種核心的機(jī)器學(xué)習(xí)算法來(lái)將Python 語(yǔ)言在數(shù)據(jù)分析方面的優(yōu)勢(shì)發(fā)揮到**。全書共有10 章。第1 章講解了Python 機(jī)器學(xué)習(xí)的生態(tài)系統(tǒng)，剩余9 章介紹了眾多與機(jī)器學(xué)習(xí)相關(guān)的算法，包括各類分類算法、數(shù)據(jù)可視化技術(shù)、推薦引擎等，主要包括機(jī)器學(xué)習(xí)在公寓、機(jī)票、IPO 市場(chǎng)、新聞源、內(nèi)容推廣、股票市場(chǎng)、圖像、聊天機(jī)器人和推薦引擎等方面的應(yīng)用。本書適合Python 程序員、數(shù)據(jù)分析人員、對(duì)算法感興趣的讀者、機(jī)器學(xué)習(xí)領(lǐng)域的從業(yè)人員及科研人員閱讀。

作者簡(jiǎn)介

　　Alexander T. Combs 是一位經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家、策略師和開(kāi)發(fā)人員。他有金融數(shù)據(jù)抽取、自然語(yǔ)言處理和生成，以及定量和統(tǒng)計(jì)建模的背景。他目前是紐約沉浸式數(shù)據(jù)科學(xué)項(xiàng)目的一名全職zi深講師。

圖書目錄

目　錄
第1章Python機(jī)器學(xué)習(xí)的生態(tài)系統(tǒng) 1
1．1 數(shù)據(jù)科學(xué)/機(jī)器學(xué)習(xí)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(zhǔn)備 3
1．1．4 建模 3
1．1．5 評(píng)估 3
1．1．6 部署 3
1．2 Python庫(kù)和功能 3
1．2．1 獲取 4
1．2．2 檢查 4
1．2．3 準(zhǔn)備 20
1．2．4 建模和評(píng)估 26
1．2．5 部署 34
1．3 設(shè)置機(jī)器學(xué)習(xí)的環(huán)境 34
1．4 小結(jié) 34
第2章構(gòu)建應(yīng)用程序，發(fā)現(xiàn)低價(jià)的
公寓 35
2．1 獲取公寓房源數(shù)據(jù) 36
使用import．io抓取房源
數(shù)據(jù) 36
2．2 檢查和準(zhǔn)備數(shù)據(jù) 38
2．2．1 分析數(shù)據(jù) 46
2．2．2 可視化數(shù)據(jù) 50
2．3 對(duì)數(shù)據(jù)建模 51
2．3．1 預(yù)測(cè) 54
2．3．2 擴(kuò)展模型 57
2．4 小結(jié) 57
第3章構(gòu)建應(yīng)用程序，發(fā)現(xiàn)低價(jià)的
機(jī)票 58
3．1 獲取機(jī)票價(jià)格數(shù)據(jù) 59
3．2 使用高級(jí)的網(wǎng)絡(luò)爬蟲技術(shù)
檢索票價(jià)數(shù)據(jù) 60
3．3 解析DOM以提取定價(jià)數(shù)據(jù) 62
通過(guò)聚類技術(shù)識(shí)別
異常的票價(jià) 66
3．4 使用IFTTT發(fā)送實(shí)時(shí)提醒 75
3．5 整合在一起 78
3．6 小結(jié) 82
第4章使用邏輯回歸預(yù)測(cè)IPO市場(chǎng) 83
4．1 IPO市場(chǎng) 84
4．1．1 什么是IPO 84
4．1．2 近期IPO市場(chǎng)表現(xiàn) 84
4．1．3 基本的IPO策略 93
4．2 特征工程 94
4．3 二元分類 103
4．4 特征的重要性 108
4．5 小結(jié) 111
第5章創(chuàng)建自定義的新聞源 112
5．1 使用Pocket應(yīng)用程序，創(chuàng)建一個(gè)監(jiān)督訓(xùn)練的集合 112
5．1．1 安裝Pocket的Chrome
擴(kuò)展程序 113
5．1．2 使用Pocket API來(lái)檢索
故事 114
5．2 使用embed．ly API下載故事的
內(nèi)容 119
5．3 自然語(yǔ)言處理基礎(chǔ) 120
5．4 支持向量機(jī) 123
5．5 IFTTT與文章源、Google表單
和電子郵件的集成 125
通過(guò)IFTTT設(shè)置新聞源
和Google表單 125
5．6 設(shè)置你的每日個(gè)性化
新聞簡(jiǎn)報(bào) 133
5．7 小結(jié) 137
第6章預(yù)測(cè)你的內(nèi)容是否會(huì)廣為
流傳 138
6．1 關(guān)于病毒性，研究告訴我們了
些什么 139
6．2 獲取分享的數(shù)量和內(nèi)容 140
6．3 探索傳播性的特征 149
6．3．1 探索圖像數(shù)據(jù) 149
6．3．2 探索標(biāo)題 152
6．3．3 探索故事的內(nèi)容 156
6．4 構(gòu)建內(nèi)容評(píng)分的預(yù)測(cè)模型 157
6．5 小結(jié) 162
第7章使用機(jī)器學(xué)習(xí)預(yù)測(cè)股票市場(chǎng) 163
7．1 市場(chǎng)分析的類型 164
7．2 關(guān)于股票市場(chǎng)，研究告訴
我們些什么 165
7．3 如何開(kāi)發(fā)一個(gè)交易策略 166
7．3．1 延長(zhǎng)我們的分析
周期 172
7．3．2 使用支持向量回歸，
構(gòu)建我們的模型 175
7．3．3 建模與動(dòng)態(tài)時(shí)間扭曲 182
7．4 小結(jié) 186
第8章建立圖像相似度的引擎 187
8．1 圖像的機(jī)器學(xué)習(xí) 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(xué)習(xí) 195
8．5 構(gòu)建圖像相似度的引擎 198
8．6 小結(jié) 206
第9章打造聊天機(jī)器人 207
9．1 圖靈測(cè)試 207
9．2聊天機(jī)器人的歷史 208
9．3 聊天機(jī)器人的設(shè)計(jì) 212
9．4 打造一個(gè)聊天機(jī)器人 217
9．5 小結(jié) 227
第10章構(gòu)建推薦引擎 228
10．1 協(xié)同過(guò)濾 229
10．1．1 基于用戶的過(guò)濾 230
10．1．2 基于項(xiàng)目的過(guò)濾 233
10．2 基于內(nèi)容的過(guò)濾 236
10．3 混合系統(tǒng) 237
10．4 構(gòu)建推薦引擎 238
10．5 小結(jié) 251