Python机器学习经典实例 PDF 完整版

《Python机器学习经典实例》是一本Python相关的电子书资源，介绍了关于Python、机器学习、Python实例方面的内容，本书是由人民邮电出版社出版，格式为，资源大小27.3M，普拉提克·乔西编写，目前豆瓣、亚马逊、当当、京东等“Python”类电子书综合评分为：7.7分

内容介绍

在如今这个处处以数据驱动的世界中，机器学习正变得越来越大众化。它已经被广泛地应用于不同领域，如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。

本书是为想用机器学习算法开发应用程序的Python 程序员准备的。它适合Python 初学者阅读，不过熟悉Python 编程方法对体验示例代码大有裨益。

专业评价

用火的Python语言、通过各种各样的机器学习算法来解决实际问题！书中介绍的主要问题如下。

- 探索分类分析算法并将其应用于收入等级评估问题

- 使用预测建模并将其应用到实际问题中

- 了解如何使用无监督学习来执行市场细分

- 探索数据可视化技术以多种方式与数据进行交互

- 了解如何构建推荐引擎

- 理解如何与文本数据交互并构建模型来分析它

- 使用隐马尔科夫模型来研究语音数据并识别语音

目录

• 第1章　监督学习　　1
• 1.1　简介　　1
• 1.2　数据预处理技术　　2
• 1.2.1　准备工作　　2
• 1.2.2　详细步骤　　2
• 1.3　标记编码方法　　4
• 1.4　创建线性回归器　　6
• 1.4.1　准备工作　　6
• 1.4.2　详细步骤　　7
• 1.5　计算回归准确性　　9
• 1.5.1　准备工作　　9
• 1.5.2　详细步骤　　10
• 1.6　保存模型数据　　10
• 1.7　创建岭回归器　　11
• 1.7.1　准备工作　　11
• 1.7.2　详细步骤　　12
• 1.8　创建多项式回归器　　13
• 1.8.1　准备工作　　13
• 1.8.2　详细步骤　　14
• 1.9　估算房屋价格　　15
• 1.9.1　准备工作　　15
• 1.9.2　详细步骤　　16
• 1.10　计算特征的相对重要性　　17
• 1.11　评估共享单车的需求分布　　19
• 1.11.1　准备工作　　19
• 1.11.2　详细步骤　　19
• 1.11.3　更多内容　　21
• 第2章　创建分类器　　24
• 2.1　简介　　24
• 2.2　建立简单分类器　　25
• 2.2.1　详细步骤　　25
• 2.2.2　更多内容　　27
• 2.3　建立逻辑回归分类器　　27
• 2.4　建立朴素贝叶斯分类器　　31
• 2.5　将数据集分割成训练集和测试集　　32
• 2.6　用交叉验证检验模型准确性　　33
• 2.6.1　准备工作　　34
• 2.6.2　详细步骤　　34
• 2.7　混淆矩阵可视化　　35
• 2.8　提取性能报告　　37
• 2.9　根据汽车特征评估质量　　38
• 2.9.1　准备工作　　38
• 2.9.2　详细步骤　　38
• 2.10　生成验证曲线　　40
• 2.11　生成学习曲线　　43
• 2.12　估算收入阶层　　45
• 第3章　预测建模　　48
• 3.1　简介　　48
• 3.2　用SVM建立线性分类器　　49
• 3.2.1　准备工作　　49
• 3.2.2　详细步骤　　50
• 3.3　用SVM建立非线性分类器　　53
• 3.4　解决类型数量不平衡问题　　55
• 3.5　提取置信度　　58
• 3.6　寻找最优超参数　　60
• 3.7　建立事件预测器　　62
• 3.7.1　准备工作　　62
• 3.7.2　详细步骤　　62
• 3.8　估算交通流量　　64
• 3.8.1　准备工作　　64
• 3.8.2　详细步骤　　64
• 第4章　无监督学习——聚类　　67
• 4.1　简介　　67
• 4.2　用k-means算法聚类数据　　67
• 4.3　用矢量量化压缩图片　　70
• 4.4　建立均值漂移聚类模型　　74
• 4.5　用凝聚层次聚类进行数据分组　　76
• 4.6　评价聚类算法的聚类效果　　79
• 4.7　用DBSCAN算法自动估算集群数量　　82
• 4.8　探索股票数据的模式　　86
• 4.9　建立客户细分模型　　88
• 第5章　构建推荐引擎　　91
• 5.1　简介　　91
• 5.2　为数据处理构建函数组合　　92
• 5.3　构建机器学习流水线　　93
• 5.3.1　详细步骤　　93
• 5.3.2　工作原理　　95
• 5.4　寻找最近邻　　95
• 5.5　构建一个KNN分类器　　98
• 5.5.1　详细步骤　　98
• 5.5.2　工作原理　　102
• 5.6　构建一个KNN回归器　　102
• 5.6.1　详细步骤　　102
• 5.6.2　工作原理　　104
• 5.7　计算欧氏距离分数　　105
• 5.8　计算皮尔逊相关系数　　106
• 5.9　寻找数据集中的相似用户　　108
• 5.10　生成电影推荐　　109
• 第6章　分析文本数据　　112
• 6.1　简介　　112
• 6.2　用标记解析的方法预处理数据　　113
• 6.3　提取文本数据的词干　　114
• 6.3.1　详细步骤　　114
• 6.3.2　工作原理　　115
• 6.4　用词形还原的方法还原文本的基本形式　　116
• 6.5　用分块的方法划分文本　　117
• 6.6　创建词袋模型　　118
• 6.6.1　详细步骤　　118
• 6.6.2　工作原理　　120
• 6.7　创建文本分类器　　121
• 6.7.1　详细步骤　　121
• 6.7.2　工作原理　　123
• 6.8　识别性别　　124
• 6.9　分析句子的情感　　125
• 6.9.1　详细步骤　　126
• 6.9.2　工作原理　　128
• 6.10　用主题建模识别文本的模式　　128
• 6.10.1　详细步骤　　128
• 6.10.2　工作原理　　131
• 第7章　语音识别　　132
• 7.1　简介　　132
• 7.2　读取和绘制音频数据　　132
• 7.3　将音频信号转换为频域　　134
• 7.4　自定义参数生成音频信号　　136
• 7.5　合成音乐　　138
• 7.6　提取频域特征　　140
• 7.7　创建隐马尔科夫模型　　142
• 7.8　创建一个语音识别器　　143
• 第8章　解剖时间序列和时序数据　　147
• 8.1　简介　　147
• 8.2　将数据转换为时间序列格式　　148
• 8.3　切分时间序列数据　　150
• 8.4　操作时间序列数据　　152
• 8.5　从时间序列数据中提取统计数字　　154
• 8.6　针对序列数据创建隐马尔科夫模型　　157
• 8.6.1　准备工作　　158
• 8.6.2　详细步骤　　158
• 8.7　针对序列文本数据创建条件随机场　　161
• 8.7.1　准备工作　　161
• 8.7.2　详细步骤　　161
• 8.8　用隐马尔科夫模型分析股票市场数据　　164
• 第9章　图像内容分析　　166
• 9.1　简介　　166
• 9.2　用OpenCV-Pyhon操作图像　　167
• 9.3　检测边　　170
• 9.4　直方图均衡化　　174
• 9.5　检测棱角　　176
• 9.6　检测SIFT特征点　　178
• 9.7　创建Star特征检测器　　180
• 9.8　利用视觉码本和向量量化创建特征　　182
• 9.9　用极端随机森林训练图像分类器　　185
• 9.10　创建一个对象识别器　　187
• 第10章　人脸识别　　189
• 10.1　简介　　189
• 10.2　从网络摄像头采集和处理视频信息　　189
• 10.3　用Haar级联创建一个人脸识别器　　191
• 10.4　创建一个眼睛和鼻子检测器　　193
• 10.5　做主成分分析　　196
• 10.6　做核主成分分析　　197
• 10.7　做盲源分离　　201
• 10.8　用局部二值模式直方图创建一个人脸识别器　　205
• 第11章　深度神经网络　　210
• 11.1　简介　　210
• 11.2　创建一个感知器　　211
• 11.3　创建一个单层神经网络　　213
• 11.4　创建一个深度神经网络　　216
• 11.5　创建一个向量量化器　　219
• 11.6　为序列数据分析创建一个递归神经网络　　221
• 11.7　在光学字符识别数据库中将字符可视化　　225
• 11.8　用神经网络创建一个光学字符识别器　　226
• 第12章　可视化数据　　230
• 12.1　简介　　230
• 12.2　画3D散点图　　230
• 12.3　画气泡图　　232
• 12.4　画动态气泡图　　233
• 12.5　画饼图　　235
• 12.6　画日期格式的时间序列数据　　237
• 12.7　画直方图　　239
• 12.8　可视化热力图　　241
• 12.9　动态信号的可视化模拟　　242

以上就是本次介绍的Python相关电子书的全部内容，希望我们整理的资源能够帮助到大家，更多相关的电子书资源可以下面的相关资源中查找。