Python机器学习实战

Python机器学习实战"

作者:吕云翔,王渌汀,袁琪,张凡,韩雪婷
ISBN:9787302576419
定价:¥59.80
字数:千字
页数:
出版时间:2021.05.01
开本:
版次:1-2
装帧:
出版社:清华大学出版社
简介

本书以机器学习算法为主题,详细介绍算法的理论细节与应用方法。全书共19章,分别介绍了逻辑回归与最 大熵模型、k-近邻模型、决策树模型、朴素贝叶斯模型、支持向量机模型、集成学习框架、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法,以及8个综合项目实例:汽车运动学片段分类、垃圾信息识别、乳腺癌识别、波士顿房价预测、生成动漫人物、鸢尾花分类、人脸识别、保险行为数据用户分类器。本书重视理论与实践相结合,希望为读者提供全面而细致的学习指导。

本书适合机器学习初学者、相关行业从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。

前言

从计算机被发明的那一刻起,人们便一直在尝试打造一台可以思考的计算机,人工智能应运而生。机器学习技术作为人工智能的核心,不断发展,成为目前最前沿的研究领域之一。与此同时,人脸美颜、智能语音助手、商品推荐系统、自动驾驶等众多智能产品也在悄然间改变着我们的生活。可以说,人类社会正被机器学习带领着,迎来信息技术的一次新的革命。

为了帮助读者深入理解机器学习原理,本书以机器学习算法为主题,详细介绍了算法中涉及的数学理论。此外,本书注重机器学习的实际应用,在理论介绍中穿插项目实例,帮助读者掌握机器学习研究的方法。

本书共分为19章。第1章为概述,主要介绍了机器学习的概念、组成、分类、模型评估方法,以及sklearn模块的基础知识。第2~6章分别介绍了分类和回归问题的常见模型,包括逻辑回归与最大熵模型、k近邻模型、决策树模型、朴素贝叶斯模型、支持向量机模型。每章最后均以一个实例结尾,使用sklearn模块实现。第7章介绍集成学习框架,包括Bagging、Boosting以及Stacking的基本思想和具体算法。第8~10章主要介绍无监督算法,包括EM算法、降维算法以及聚类算法。第11章介绍神经网络与深度学习,包括卷积神经网络、循环神经网络、生成对抗网络、图卷积神经网络等基础网络。第7~11章均以一个实例结尾。第12~18章包含7个综合项目实战,帮助读者理解前面各章所讲内容。第19章使用多种机器学习算法实现了一个用户行为分类器,通过算法间的对比帮助读者深入掌握算法细节。

第12~19章提供视频讲解,可扫描对应章节二维码进行观看。数据集、源代码可扫描目录处二维码下载。

机器学习是一门交叉学科,涉及概率论、统计学、凸优化等多个学科或分支,发展过程中还受到了生物学、经济学的启发,这样的特性决定了机器学习具有广阔的发展前景。但也正因如此,想要在短时间内“速成”机器学习几乎是不现实的。本书希望带领读者从基础出发,由浅入深,逐步掌握机器学习的常见算法。在此基础上,读者将有能力根据实际问题决定使用何种算法,甚至可以查阅有关算法的最新文献,为产品研发或项目研究铺平道路。

为了更好地专注于机器学习的介绍,书中涉及的数学和统计学基础理论(如矩阵论、概率分布等)不会过多介绍。因此,如果读者希望完全理解书中的理论推导,还需要对统计学、数学相关知识有一定的了解。书中的项目实例全部使用Python实现,需要读者在阅读以前对Python编程语言及其科学计算模块(如NumPy、SciPy等)有一定的了解。

本书的作者为吕云翔、王渌汀、袁琪、张凡、韩雪婷,曾洪立参与了部分内容的编写及资料整理工作。

由于我们的水平和能力有限,书中难免有疏漏之处。恳请各位同仁和广大读者给予批评指正。

编者2021年5月于北京

目录

第1章机器学习概述

资源下载

1.1机器学习的组成

1.2分类问题及回归问题

1.3监督学习、半监督学习和无监督学习

1.4生成模型及判别模型

1.5模型评估

1.5.1训练误差及泛化误差

1.5.2过拟合及欠拟合

1.6正则化

1.7Scikitlearn模块

1.7.1数据集

1.7.2模型选择

第2章逻辑回归及最大熵模型

2.1线性回归

2.1.1一元线性回归

2.1.2多元线性回归

2.2广义线性回归

2.2.1逻辑回归

2.2.2多分类逻辑回归

2.2.3交叉熵损失函数

2.3最大熵模型

2.3.1最大熵模型的导出

2.3.2最大熵模型与逻辑回归之间的关系

2.4评价指标

2.4.1混淆矩阵

2.4.2准确率

2.4.3精确率与召回率

2.4.4PR曲线

2.4.5ROC曲线与AUC曲线

2.5实例: 基于逻辑回归实现乳腺癌预测

第3章k近邻算法

3.1k值的选取

3.2距离的度量

3.3快速检索 

3.4实例: 基于k近邻算法实现鸢尾花分类

第4章决策树

4.1特征选择

4.1.1信息增益

4.1.2信息增益比

4.2决策树生成算法CART

4.3决策树剪枝

4.3.1预剪枝

4.3.2后剪枝

4.4实例: 基于决策树实现葡萄酒分类

第5章朴素贝叶斯分类器

5.1极大似然估计

5.2朴素贝叶斯分类

5.3拉普拉斯平滑

5.4朴素贝叶斯分类器的极大似然估计解释

5.5实例: 基于朴素贝叶斯实现垃圾短信分类

第6章支持向量机

6.1最大间隔及超平面

6.2线性可分支持向量机

6.3线性支持向量机

6.4合页损失函数

6.5核技巧

6.6二分类问题与多分类问题

6.6.1一对一

6.6.2一对多

6.6.3多对多

6.7实例: 基于支持向量机实现葡萄酒分类

第7章集成学习

7.1偏差与方差

7.2Bagging及随机森林

7.2.1Bagging

7.2.2随机森林

7.3Boosting及AdaBoost

7.3.1Boosting

7.3.2AdaBoost

7.4提升树

7.4.1残差提升树

7.4.2GBDT

7.4.3XGBoost

7.5Stacking

7.6实例: 基于梯度下降树实现波士顿房价预测

第8章EM算法及其应用

8.1Jensen不等式

8.2EM算法

8.3高斯混合模型GMM

8.4隐马尔可夫模型

8.4.1计算观测概率的输出

8.4.2估计隐马尔可夫模型的参数

8.4.3隐变量序列预测

8.5实例: 基于高斯混合模型实现鸢尾花分类

第9章降维

9.1主成分分析

9.1.1方差即协方差的无偏估计

9.1.2实例: 基于主成分分析实现鸢尾花数据降维

9.2奇异值分解

9.2.1奇异值分解的构造

9.2.2奇异值分解用于数据压缩

9.2.3SVD与PCA的关系

9.2.4奇异值分解的几何解释

9.2.5实例: 基于奇异值分解实现图片压缩

第10章聚类

10.1距离度量

10.1.1闵可夫斯基距离

10.1.2余弦相似度

10.1.3马氏距离

10.1.4汉明距离

10.2层次聚类

10.3KMeans聚类

10.4KMedoids聚类

10.5DBSCAN

10.6实例: 基于KMeans实现鸢花聚类

第11章神经网络与深度学习

11.1神经元模型

11.2多层感知机

11.3损失函数

11.4反向传播算法

11.4.1梯度下降法

11.4.2梯度消失及梯度爆炸

11.5卷积神经网络

11.5.1卷积

11.5.2池化

11.5.3网络架构

11.6循环神经网络

11.7生成对抗网络

11.8图卷积神经网络

11.9深度学习发展

11.10实例: 基于卷积神经网络实现手写数字识别

11.10.1MNIST数据集

11.10.2基于卷积神经网络的手写数字识别

第12章实战: 基于KMeans算法的汽车行驶运动学片段的分类

12.1样本聚类

12.1.1SSE

12.1.2轮廓分析

12.2汽车行驶运动学片段的提取

12.3基于KMeans的汽车行驶运动学片段分类

第13章实战: 从零实现朴素贝叶斯分类器用于垃圾信息识别

13.1算法流程

13.2数据集载入

13.3朴素贝叶斯模型

13.3.1构造函数设计

13.3.2数据预处理

13.3.3模型训练

13.3.4测试集预测

13.3.5主函数实现

第14章实战: 基于逻辑回归算法进行乳腺癌的识别

14.1数据集加载

14.2Logistic模块

14.3模型评价

第15章实战: 基于线性回归、决策树和SVM进行鸢尾花分类

15.1使用Logistic实现鸢尾花分类

15.2使用决策树实现鸢尾花分类

15.3使用SVM实现鸢尾花分类

第16章实战: 基于多层感知机模型和随机森林模型的波士顿房价预测

16.1使用MLP实现波士顿房价预测

16.2使用随机森林模型实现波士顿房价预测

第17章实战: 基于生成式对抗网络生成动漫人物

17.1生成动漫人物任务概述

17.2反卷积网络

17.3DCGAN

17.4基于DCGAN的动漫人物生成

第18章实战: 基于主成分分析法、随机森林算法和SVM算法的人脸识别问题

18.1数据集介绍与分析

18.2LBP算子

18.3提取图片特征

18.4基于随机森林算法的人脸识别问题

18.5基于SVM算法的人脸识别问题

第19章实战: 使用多种机器学习算法实现基于用户行为数据的用户分类器

19.1基于机器学习的分类器的技术概述

19.2工程数据的提取聚合和存储

19.2.1数据整合的逻辑流程

19.2.2Sqoop数据同步

19.2.3基于Hive的数据仓库

19.2.4基于Azkaban的数据仓库的调度任务

19.2.5数据仓库的数据集成和数据清洗

19.2.6整合后的数据表

19.3数据展示和分析

19.3.1数据集的选取和业务背景的描述

19.3.2各维度信息详细说明

19.3.3各维度数据的描述性统计

19.3.4各维度数据的可视化

19.4特征工程

19.4.1标准化

19.4.2区间缩放

19.4.3归一化

19.4.4对定性特征进行onehot编码

19.4.5缺失值填补

19.4.6数据倾斜

19.5模型训练和结果评价

19.5.1构造模型思路 

19.5.2模型训练的流程

19.5.3KFold交叉验证

19.6各分类器模型的训练和结果评价

19.6.1利用Python的sklearn包进行模型训练的过程梳理

19.6.2逻辑斯谛分类模型的训练和结果评价

19.6.3最小近邻算法模型的训练和结果评价

19.6.4线性判别分析模型的训练和结果评价

19.6.5朴素贝叶斯算法的模型的训练和结果评价

19.6.6决策树模型的训练和结果评价

19.6.7支持向量机模型的训练和结果评价

19.7模型提升——集成分类器

19.7.1Boosting提升算法

19.7.2AdaBoost提升算法

19.7.3AdaBoost实现过程及实验结果

附录A用户历史充值情况数据表

附录B用户各类订单余额情况

附录C各省用户收到公示消息后的充值情况

参考文献

作者简介

编辑推荐

内容深入浅出,既有对基础知识点的讲解,也涉及关键问题和重点、难点的分析和解决。

具有超强的实用性,实例丰富。前11章理论部分都提供了一个小的实例,后8章提供了综合项目实例,让读者理解概念、原理和算法。

以理论与实践相结合为出发点,介绍Python机器学习实战中的相关内容,使零基础读者也可以快速上手。

作者寄语

电子资料

www.luweidong.cn

下一个