Python机器学习经典实例

封面

版权信息

数字版权声明

作者简介

版权声明

译者序

前言

第1章 监督学习

1.1 简介

1.2 数据预处理技术

1.3 标记编码方法

1.4 创建线性回归器

1.5 计算回归准确性

1.6 保存模型数据

1.7 创建岭回归器

1.8 创建多项式回归器

1.9 估算房屋价格

1.10 计算特征的相对重要性

1.11 评估共享单车的需求分布

第2章 创建分类器

2.1 简介

2.2 建立简单分类器

2.3 建立逻辑回归分类器

2.4 建立朴素贝叶斯分类器

2.5 将数据集分割成训练集和测试集

2.6 用交叉验证检验模型准确性

2.7 混淆矩阵可视化

2.8 提取性能报告

2.9 根据汽车特征评估质量

2.10 生成验证曲线

2.11 生成学习曲线

2.12 估算收入阶层

第3章 预测建模

3.1 简介

3.2 用SVM建立线性分类器

3.3 用SVM建立非线性分类器

3.4 解决类型数量不平衡问题

3.5 提取置信度

3.6 寻找最优超参数

3.7 建立事件预测器

3.8 估算交通流量

第4章 无监督学习——聚类

4.1 简介

4.2 用k-means算法聚类数据

4.3 用矢量量化压缩图片

4.4 建立均值漂移聚类模型

4.5 用凝聚层次聚类进行数据分组

4.6 评价聚类算法的聚类效果

4.7 用DBSCAN算法自动估算集群数量

4.8 探索股票数据的模式

4.9 建立客户细分模型

第5章 构建推荐引擎

5.1 简介

5.2 为数据处理构建函数组合

5.3 构建机器学习流水线

5.4 寻找最近邻

5.5 构建一个KNN分类器

5.6 构建一个KNN回归器

5.7 计算欧氏距离分数

5.8 计算皮尔逊相关系数

5.9 寻找数据集中的相似用户

5.10 生成电影推荐

第6章 分析文本数据

6.1 简介

6.2 用标记解析的方法预处理数据

6.3 提取文本数据的词干

6.4 用词形还原的方法还原文本的基本形式

6.5 用分块的方法划分文本

6.6 创建词袋模型

6.7 创建文本分类器

6.8 识别性别

6.9 分析句子的情感

6.10 用主题建模识别文本的模式

第7章 语音识别

7.1 简介

7.2 读取和绘制音频数据

7.3 将音频信号转换为频域

7.4 自定义参数生成音频信号

7.5 合成音乐

7.6 提取频域特征

7.7 创建隐马尔科夫模型

7.8 创建一个语音识别器

第8章 解剖时间序列和时序数据

8.1 简介

8.2 将数据转换为时间序列格式

8.3 切分时间序列数据

8.4 操作时间序列数据

8.5 从时间序列数据中提取统计数字

8.6 针对序列数据创建隐马尔科夫模型

8.7 针对序列文本数据创建条件随机场

8.8 用隐马尔科夫模型分析股票市场数据

第9章 图像内容分析

9.1 简介

9.2 用OpenCV-Pyhon操作图像

9.3 检测边

9.4 直方图均衡化

9.5 检测棱角

9.6 检测SIFT特征点

9.7 创建Star特征检测器

9.8 利用视觉码本和向量量化创建特征