Python机器学习手册：从数据预处理到深度学习【韩慧昌 , 林然 , 等 】

Python机器学习手册：从数据预处理到深度学习【韩慧昌 , 林然 , 等 】

mobi+epub

（博文视点图书）

本站所有资源均来自网络，版权归原作者所有，本站仅提供收集与推荐，若侵犯到您的权益，请【给我们反馈】，我们将在24小时内处理！

编辑推荐：

采用基于任务的方式介绍机器学习
涵盖在构建机器学习模型时可能遇到的常见任务
提供近200个小任务的解决方案，以及代码
在代码中加深对理论的理解

内容简介：

这是一本关于Python的图书，采用基于任务的方式来介绍如何在机器学习中使用Python。书中有近200个独立的解决方案（并提供了相关代码，读者可以复制并粘贴这些代码，用在自己的程序中），针对的都是数据科学家或机器学习工程师在构建模型时可能遇到的*常见任务，涵盖*简单的矩阵和向量运算到特征工程以及神经网络的构建。

本书不是机器学习的入门书，适合熟悉机器学习的理论和概念的读者摆在案头作为参考，他们可以借鉴书中的代码，快速解决在机器学习的日常开发中遇到的挑战。

作者简介：

Chris Albon是一位有十年经验的数据科学家和政治学家，他将统计学习、人工智能和软件工程应用到政治和社会活动以及人道主义活动中，譬如监查选举情况、灾难救助等。目前，Chris是肯尼亚创业公司BRCK的首席数据科学家。这家公司致力于为前沿市场的互联网用户构建一个稳健的网络。

韩慧昌，毕业于北京科技大学，ThoughtWorks高级咨询师，有多个大型企业AI项目经验。林然，有6年多的开发经验、4年多Python开发经验，在航空、零售、物流、汽车、通讯等多个行业应用过机器学习算法。徐江，毕业于瑞典皇家理工学院的系统生物学专业，曾就职于Thoughtworks软件技术有限公司。

目标：

第1章 向量、矩阵和数组
1.0 简介
1.1 创建一个向量
问题描述
解决方案
讨论
延伸阅读
1.2 创建一个矩阵
问题描述
解决方案
讨论
延伸阅读
1.3 创建一个稀疏矩阵
问题描述
解决方案
讨论
延伸阅读
1.4 选择元素
问题描述
解决方案
讨论
1.5 展示一个矩阵的属性
问题描述
解决方案
讨论
1.6 对多个元素同时应用某个操作
问题描述
解决方案
讨论
1.7 找到最大值和最小值
问题描述
解决方案
讨论
1.8 计算平均值、方差和标准差
问题描述
解决方案
讨论
1.9 矩阵变形
问题描述
解决方案
讨论
1.10 转置向量或矩阵
问题描述
解决方案
讨论
1.11 展开一个矩阵
问题描述
解决方案
讨论
1.12 计算矩阵的秩
问题描述
解决方案
讨论
延伸阅读
1.13 计算行列式
问题描述
解决方案
讨论
延伸阅读
1.14 获取矩阵的对角线元素
问题描述
解决方案
讨论
1.15 计算矩阵的迹
延伸阅读
1.16 计算特征值和特征向量
问题描述
解决方案
讨论
延伸阅读
1.17 计算点积
问题描述
解决方案
讨论
延伸阅读
1.18 矩阵的加/减
问题描述
解决方案
讨论
1.19 矩阵的乘法
问题描述
解决方案
讨论
延伸阅读
1.20 计算矩阵的逆
问题描述
解决方案
讨论
1.21 生成随机数
问题描述
解决方案
讨论
第2章 加载数据
2.0 简介
2.1 加载样本数据集
问题描述
解决方案
讨论
延伸阅读
2.2 创建仿真数据集
问题描述
解决方案
讨论
延伸阅读
2.3 加载CSV文件
问题描述
解决方案
讨论
2.4 加载一个Excel文件
问题描述
解决方案
讨论
2.5 加载JSON文件
问题描述
解决方案
讨论
延伸阅读
2.6 查询SQL数据库
问题描述
解决方案
讨论
延伸阅读
第3章 数据整理
3.0 简介
3.1 创建一个数据帧
问题描述
解决方案
讨论
3.2描述数据
问题描述
解决方案
讨论
3.3 浏览数据帧
问题描述
解决方案
讨论
3.4 根据条件语句来选择行
问题描述
解决方案
讨论
3.5 替换值
问题描述
解决方案
讨论
3.6 重命名列
问题描述
解决方案
讨论
3.7 计算最小值、最大值、总和、平均值与计数值
问题描述
解决方案
讨论
3.8 查找唯一值
问题描述
解决方案
讨论
3.9 处理缺失值
问题描述
解决方案
讨论
3.10 删除一列
问题描述
解决方案
讨论
3.11 删除一行
问题描述
解决方案
讨论
3.12 删除重复行
问题描述
解决方案
讨论
3.13 根据值对行进行分组
问题描述
解决方案
讨论
3.14 按时间段对行进行分组
问题描述
解决方案
讨论
延伸阅读
3.15 遍历一个列的数据
问题描述
解决方案
讨论
3.16 对一列的所有元素应用某个函数
问题描述
讨论
3.17 对所有分组应用一个函数
问题描述
解决方案
讨论
3.18 连接多个数据帧
问题描述
解决方案
讨论
3.19 合并两个数据帧
问题描述
解决方案
讨论
延伸阅读
第4章 处理数值型数据
4.0 简介
4.1 特征的缩放
问题描述
解决方案
讨论
延伸阅读
4.2 特征的标准化
问题描述
解决方案
讨论
4.3 归一化观察值
问题描述
解决方案
讨论
4.4 生成多项式和交互特征
问题描述
解决方案
讨论
4.5 转换特征
问题描述
解决方案
讨论
4.6 识别异常值
问题描述
解决方案
讨论
延伸阅读
4.7 处理异常值
问题描述
解决方案
讨论
延伸阅读
4.8 将特征离散化
问题描述
解决方案
讨论
延伸阅读
4.9 使用聚类的方式将观察值分组
问题描述
解决方案
讨论
4.10 删除带有缺失值的观察值
问题描述
解决方案
讨论
延伸阅读
4.11 填充缺失值
问题描述
解决方案
讨论
延伸阅读
第5章 处理分类数据
5.0 简介
5.1 对nominal型分类特征编码
问题描述
解决方案
讨论
延伸阅读
5.2 对ordinal分类特征编码
问题描述
解决方案
讨论
5.3 对特征字典编码
问题描述
解决方案
讨论
延伸阅读
5.4 填充缺失的分类值
问题描述
解决方案
讨论
延伸阅读
5.5 处理不均衡分类
问题描述
解决方案
讨论
第6章 处理文本
6.0 简介
6.1 清洗文本
问题描述
解决方案
讨论
延伸阅读
6.2 解析并清洗HTML
问题描述
解决方案
讨论
延伸阅读
6.3 移除标点
问题描述
解决方案
讨论
6.4 文本分词
问题描述
解决方案
讨论
6.5 删除停止词（stop word）
问题描述
解决方案
讨论
6.6 提取词干
问题描述
解决方案
讨论
延伸阅读
6.7 标注词性
问题描述
解决方案
讨论
延伸阅读
6.8 将文本编码成词袋（Bag of Words）
问题描述
解决方案
讨论
延伸阅读
6.9 按单词的重要性加权
问题描述
解决方案
讨论
延伸阅读
第7章 处理日期和时间
7.0 简介
7.1 把字符串转换成日期
问题描述
解决方案
讨论
延伸阅读
7.2 处理时区
问题描述
解决方案
讨论
7.3 选择日期和时间
问题描述
解决方案
讨论
7.4 将日期数据切分成多个特征
问题描述
解决方案
讨论
7.5 计算两个日期之间的时间差
问题描述
解决方案
讨论
延伸阅读
7.6 对一周内的各天进行编码
问题描述
解决方案
讨论
延伸阅读
7.7 创建一个滞后的特征
问题描述
解决方案
讨论
7.8 使用滚动时间窗口
问题描述
解决方案
讨论
延伸阅读
7.9 处理时间序列中的缺失值
问题描述
解决方案
讨论
第8章 图像处理
8.0 简介
8.1 加载图像
问题描述
解决方案
讨论
延伸阅读
8.2保存图像
问题描述
解决方案
讨论
8.3缩放图像
问题描述
解决方案
讨论
8.4裁剪图像
问题描述
解决方案
讨论
延伸阅读
8.5 图像平滑
问题描述
解决方案
讨论
延伸阅读
8.6 图像锐化
问题描述
解决方案
讨论
8.7 提升对比度
问题描述
解决方案
讨论
8.8 颜色分离
问题描述
解决方案
讨论
8.9 图像二值化
问题描述
解决方案
讨论
8.10 移除背景
问题描述
解决方案
讨论
8.11 边缘检测
问题描述
解决方案
讨论
8.12 角点检测
问题描述
解决方案
讨论
延伸阅读
8.13 为机器学习创建特征
问题描述
解决方案
讨论
8.14 将颜色平均值编码成特征
问题描述
解决方案
讨论
8.15 将色彩直方图编码成特征
问题描述
解决方案
讨论
延伸阅读
第9章 利用特征提取进行特征降维
9.0 简介
9.1 使用主成分进行特征降维
问题描述
解决方案
讨论
延伸阅读
9.2 对线性不可分数据进行特征降维
问题描述
解决方案
讨论
延伸阅读
9.3 通过最大化类间可分性进行特征降维
问题描述
解决方案
讨论
延伸阅读
9.4 使用矩阵分解法进行特征降维
问题描述
解决方案
讨论
延伸阅读
9.5 对稀疏数据进行特征降维
问题描述
解决方案
讨论
延伸阅读
第10章 使用特征选择进行降维
10.0 简介
10.1 数值型特征方差的阈值化
问题描述
解决方案
讨论
10.2 二值特征的方差阈值化
问题描述
解决方案
讨论
10.3 处理高度相关性的特征
问题描述
解决方案
讨论
10.4 删除与分类任务不相关的特征
问题描述
解决方案
讨论
10.5 递归式特征消除
问题描述
解决方案
讨论
延伸阅读
第11章 模型评估
11.0 简介
11.1 交叉验证模型
问题描述
解决方案
讨论
延伸阅读
11.2 创建一个基准回归模型
问题描述
解决方案
讨论
11.3 创建一个基准分类模型
问题描述
解决方案
讨论
延伸阅读
11.4 评估二元分类器
问题描述
解决方案
讨论
延伸阅读
11.5 评估二元分类

媒体评论：

“O’Reilly Radar 博客有口皆碑。”
——Wired

“O’Reilly 凭借一系列（真希望当初我也想到了）非凡想法建立了数百万美元的业
务。”
——Business 2.0

“O’Reilly Conference 是聚集关键思想领袖的*典范。”
——CRN

“一本 O’Reilly 的书就代表一个有用、有前途、需要学习的主题。”
——Irish Times

“Tim 是位特立独行的商人，他不光放眼于*长远、*广阔的视野并且切实地按照
Yogi Berra 的建议去做了：‘如果你在路上遇到岔路口，走小路（岔路）。’回顾过去， Tim 似乎每一次都选择了小路，而且有几次都是一闪即逝的机会，尽管大路也不错。”
——Linux Journal