《scikit-learn机器学习实战》简介

#好书推荐##好书奇遇季#scikit-learn机器学习入门书《scikit-learn机器学习实战》，京东当当天猫都有发售。双色印刷，定价69元，打折一下更便宜。从算法和案例入手，快速掌握机器学习

本书背景

scikit-learn项目最早由数据科学家 David Cournapeau在2007年发起，需要NumPy和SciPy等其他包的支持，它是Python语言中专门针对机器学习应用而发展起来的一款开源框架。

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构并使之不断改善自身的性能。它是人工智能的核心，即使计算机具有智能的根本途径。

本书针对机器学习这个领域，描述了多种学习模型、策略、算法、理论以及应用，基于Python3使用scikit-learn工具包演示算法解决实际问题的过程。对机器学习感兴趣的读者可通过本书快速入门，快速胜任机器学习岗位，成为人工智能时代的人才。

本书内容

本书共分13章，系统讲解机器学习的典型算法，内容包括机器学习概述、数据特征提取、scikit-learn估计器分类、朴素贝叶斯分类、线性回归、k近邻算法分类和回归、从简单线性回归到多元线性回归、从线性回归到逻辑回归、非线性分类和决策树回归、从决策树到随机森林、从感知机到支持向量机、从感知机到人工神经网络、主成分分析降维。本书的例子都是在Python3集成开发环境Anaconda3中经过实际调试通过的典型案例，同时本书配备了案例的源码和数据集供读者参考。

读者需要了解的重要信息

本书作为机器学习专业图书，介绍机器学习的基本概念、算法流程、模型构建、数据训练、模型评估与调优、必备工具和实现方法，全程以真实案例驱动，案例采用Python3实现。本书涵盖数据获得、算法模型、案例代码实现和结果展示的全过程，以机器学习的经典算法为轴线：算法分析→数据获取→模型构建→推断→算法评估。本书案例具有代表性，结合了理论与实践，并能明确机器学习的目标及完成效果。

本书读者

本书适合大数据分析与挖掘、机器学习与人工智能技术的初学者、研究人员及从业人员，也适合作为高等院校和培训机构大数据、机器学习与人工智能相关专业的师生教学参考。

本书作者

邓立国，东北大学计算机应用博士毕业。广东工业大学任教，主要研究方向：数据挖掘、知识工程、大数据处理、云计算、分布式计算等。著有图书《scikit-learn机器学习实战》《Python数据分析与挖掘实战》《Python大数据分析算法与实例》《Python机器学习算法与应用》《数据库原理与应用（SQL Server 2016版本）》。

本书目录

1. 第1章  机器学习概述 1
2. 第2章  机器学习之数据特征 9
3. 第3章  用scikit-learn估计器分类
4. 第4章  朴素贝叶斯分类
5. 第5章  线性回归
6. 第6章  用k近邻算法分类和回归
7. 第7章  从简单线性回归到多元线性回归
8. 第8章  从线性回归到逻辑回归
9. 第9章  非线性分类和决策树回归
10. 第10章  集成方法：从决策树到随机森林
11. 第11章  从感知机到支持向量机
12. 第12章  从感知机到人工神经网络
13. 第13章  主成分分析降维

大数据技术书推荐

• 《Hadoop 3大数据技术快速入门》
• 《Kettle构建Hadoop ETL系统实践》
• 《Flink入门与实战》
• 《Python数据分析与挖掘实战》
• 《Python大数据处理库PySpark实战》
• 《Hadoop构建数据仓库实践》
• 《分布式数据库HBase案例教程》
•