內容簡介

本書一開始就立足於軟件編寫、算法測試的實踐指導，為讀者理解示例代碼、動手編寫自己的程序做必要的鋪墊。
然後，作者纔開始簡明扼要地介紹機器學習算法的定義，以及讀者必須知道的算法類彆、這些算法又各自有何神通，並輕輕點齣：每個算法也有它的死穴。
第三章到第九章，作者深入詳實地講解瞭幾種有代錶性的機器學習算法：K-最近鄰，樸素貝葉斯分類，決策樹和隨機森林，隱馬爾可夫模型，支持嚮量機，神經網絡，以及聚類。在這些章節中，不但講解瞭算法核心部分的數學錶達，也用機智、形象的語言描述瞭算法如何在實際生活中解決問題，並給齣瞭關鍵的Python代碼示例和算法訓練、測試過程。

作者簡介

Matthew Kirk是一名軟件谘詢師、作者和國際演講者，擅長機器學習和數據科學，使用Ruby和Python編程。現居於西雅圖，他喜歡幫助軟件工程師將數據科學融入到他們的技術棧中。

目錄

前言 1

第1章 5

可能近似正確的軟件 5

正確地編寫軟件 6

編寫正確的軟件 10

本書計劃 16

第2章 快速介紹機器學習 18

什麼是機器學習 18

有監督學習 18

無監督學習 19

強化學習 20

機器學習能完成什麼 20

本書中使用的數學符號 21

結論 22

第3章 K最近鄰算法 23

如何確定是否想購買一棟房子 23

房子的價格究竟幾何 24

愉悅迴歸 24

什麼是鄰域 25

K最近鄰算法簡介 26

K先生最近的鄰居 26

距離 27

維度災難 33

如何選擇K 34

給西雅圖的房子估價 37

結論 43

第4章 樸素貝葉斯分類 44

通過貝葉斯定理來發現欺詐訂單 44

條件概率 45

概率符號 45

反嚮條件概率（又名貝葉斯定理） 47

樸素貝葉斯分類器 47

貝葉斯推理之樸素 48

僞計數 49

垃圾郵件過濾器 50

標記化和上下文 55

結論 67

第5章 決策樹和隨機森林 68

蘑菇的細微差彆 69

使用民間定理實現蘑菇分類 70

找到最佳切換點 71

修剪樹 74

結論 83

第6章 隱馬爾可夫模型 84

使用狀態機來跟蹤用戶行為 84

輸齣/觀測隱含狀態 86

使用馬爾可夫假設化簡 87

隱馬爾可夫模型 88

評估: 前嚮-後嚮算法 89

通過維特比算法解碼 93

學習問題 94

詞性標注與布朗語庫 94

結論 105

第7章 支持嚮量機 106

客戶滿意度作為語言的函數 107

SVM背後的理論 108

情緒分析器 113

聚閤情緒 124

將情緒映射到底綫 126

結論 127

第8章 神經網絡 128

什麼是神經網絡 129

神經網絡史 129

布爾邏輯 129

感知器 130

如何構建前饋神經網絡 130

構建神經網絡 144

使用神經網絡來對語言分類 145

結論 154

第9章 聚類 155

無任何偏差的研究數據 155

用戶群組 156

測試群集映射 157

K均值聚類 159

最大期望（EM）聚類 161

不可能性定理 163

案例：音樂歸類 164

結論 174

第10章 模型改進與數據提取 175

辯論俱樂部 175

選擇更好的數據 176

最小冗餘最大相關性的特徵選擇 181

特徵變換與矩陣分解 183

結論 189

第11章 將這些方法融閤在一起：結論 191

機器學習算法迴顧 191

如何使用這些信息來解決問題 193

下一步做什麼 193

書質量很好，內容也不錯，電子版看瞭覺得不錯又買瞭紙版。

和西瓜書一塊買的，配閤著看，物流好評

買瞭好多書，不知道能不能看完…

此用戶未及時填寫評價內容，係統默認好評！

利用Python進行數據分析

書很好，可是物流還是要注意一下。每次買書很大概率會遇到書的角會彎摺。

師父推薦的，感覺應該還可以吧～～～但願都能看完

　《利用Python進行數據分析》講的是利用Python進行數據控製、處理、整理、分析等方麵的具體細節和基本要點。同時，它也是利用Python進行科學計算的實用指南（專門針對數據密集型應用）。

一次買瞭多本，Python機器學習書籍，學習一下。