《机器学习——Python实践》系统地讲解了机器学习的基本知识，以及在实际项目中使用机器学习的基本步骤和方法；详细地介绍了在进行数据处理、分析时怎样选择合适的算法，以及建立模型并优化等方法，通过不同的例子展示了机器学习在具体项目中的应用和实践经验，是一本非常好的机器学习入门和实践的书籍。
不同于很多讲解机器学习的书籍，本书以实践为导向，使用 scikit-learn 作为编程框架，强调简单、快速地建立模型，解决实际项目问题。读者通过对《机器学习——Python实践》的学习，可以迅速上手实践机器学习，并利用机器学习解决实际问题。
《机器学习——Python实践》非常适合于项目经理、有意从事机器学习开发的程序员，以及高校相关专业在的读学生阅读。
目录
第一部分 初始
1 初识机器学习 2
2 Python 机器学习的生态圈 7
3 第一个机器学习项目 13
4 Python 和 SciPy 速成 25
第二部分 数据理解
5 数据导入 44
6 数据理解 48
7 数据可视化 55
第三部分 数据准备
8 数据预处理 64
9 数据特征选定 71
第四部分 选择模型
10 评估算法 78
11 算法评估矩阵 85
12 审查分类算法 97
13 审查回归算法 106
14 算法比较 115
15 自动流程 119
第五部分 优化模型
16 集成算法 124
17 算法调参 133
第六部分 结果部署
18 持久化加载模型 138
第七部分 项目实践
19 预测模型项目模板 144
20 回归项目实例 150
21 二分类实例 170
22 文本分类实例 192
982
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
