Python机器学习实践指南

机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和Python 语言两个热门的领域，通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到**。
全书共有10 章。第1 章讲解了Python 机器学习的生态系统，剩余9 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。
本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。

Alexander T. Combs 是一位经验丰富的数据科学家、策略师和开发人员。他有金融数据抽取、自然语言处理和生成，以及定量和统计建模的背景。他目前是纽约沉浸式数据科学项目的一名全职zi深讲师。

机器学习正在迅速成为数据驱动型世界的一个bi备模块。许多不同的领域，如机器人、医学、零售和出版等，都需要依赖这门技术。通过阅读 Python机器学习实践指南 ，你将学习如何一步步构建真实的机器学习应用程序。
Python机器学习实践指南 以通俗易懂，简洁明了的方式，教你如何使用机器学习来收集、分析并操作大量的数据。通过易于理解的项目，本书讲解如何处理各种类型的数据、如何以及何时应用不同的机器学习技术，包括监督学习和无监督学习。本书中的每个项目都同时提供了教学和实践，你将学习如何使用聚类技术来发现低价的机票，以及如何使用线性回归找到一间便宜的公寓 。
Python机器学习实践指南 适合的读者包括了解数据科学的Python程序员、数据科学家、架构师，以及想要构建完整的、基于Python的机器学习系统的人们。
通过阅读Python机器学习实践指南 ，你将能：
·了解Python机器学习的生态系统；
·了解如何执行线性回归；
·机器视觉概念的介绍；
·高级数据可视化技术；
·如何使用第三方API，部署机器学习模型；
·时间序列的建模技术；
·如何构建无监督模型。

目　录
第1章Python机器学习的生态系统 1
1．1 数据科学/机器学习的工作
流程 2
1．1．1 获取 2
1．1．2 检查和探索 2
1．1．3 清理和准备 3
1．1．4 建模 3
1．1．5 评估 3
1．1．6 部署 3
1．2 Python库和功能 3
1．2．1 获取 4
1．2．2 检查 4
1．2．3 准备 20
1．2．4 建模和评估 26
1．2．5 部署 34
1．3 设置机器学习的环境 34
1．4 小结 34
第2章构建应用程序，发现低价的
公寓 35
2．1 获取公寓房源数据 36
使用import．io抓取房源
数据 36
2．2 检查和准备数据 38
2．2．1 分析数据 46
2．2．2 可视化数据 50
2．3 对数据建模 51
2．3．1 预测 54
2．3．2 扩展模型 57
2．4 小结 57
第3章构建应用程序，发现低价的
机票 58
3．1 获取机票价格数据 59
3．2 使用高级的网络爬虫技术
检索票价数据 60
3．3 解析DOM以提取定价数据 62
通过聚类技术识别
异常的票价 66
3．4 使用IFTTT发送实时提醒 75
3．5 整合在一起 78
3．6 小结 82
第4章使用逻辑回归预测IPO市场 83
4．1 IPO市场 84
4．1．1 什么是IPO 84
4．1．2 近期IPO市场表现 84
4．1．3 基本的IPO策略 93
4．2 特征工程 94
4．3 二元分类 103
4．4 特征的重要性 108
4．5 小结 111
第5章创建自定义的新闻源 112
5．1 使用Pocket应用程序，创建一个监督训练的集合 112
5．1．1 安装Pocket的Chrome
扩展程序 113
5．1．2 使用Pocket API来检索
故事 114
5．2 使用embed．ly API下载故事的
内容 119
5．3 自然语言处理基础 120
5．4 支持向量机 123
5．5 IFTTT与文章源、Google表单
和电子邮件的集成 125
通过IFTTT设置新闻源
和Google表单 125
5．6 设置你的每日个性化
新闻简报 133
5．7 小结 137
第6章预测你的内容是否会广为
流传 138
6．1 关于病毒性，研究告诉我们了
些什么 139
6．2 获取分享的数量和内容 140
6．3 探索传播性的特征 149
6．3．1 探索图像数据 149
6．3．2 探索标题 152
6．3．3 探索故事的内容 156
6．4 构建内容评分的预测模型 157
6．5 小结 162
第7章使用机器学习预测股票市场 163
7．1 市场分析的类型 164
7．2 关于股票市场，研究告诉
我们些什么 165
7．3 如何开发一个交易策略 166
7．3．1 延长我们的分析
周期 172
7．3．2 使用支持向量回归，
构建我们的模型 175
7．3．3 建模与动态时间扭曲 182
7．4 小结 186
第8章建立图像相似度的引擎 187
8．1 图像的机器学习 188
8．2 处理图像 189
8．3 查找相似的图像 191
8．4 了解深度学习 195
8．5 构建图像相似度的引擎 198
8．6 小结 206
第9章打造聊天机器人 207
9．1 图灵测试 207
9．2聊天机器人的历史 208
9．3 聊天机器人的设计 212
9．4 打造一个聊天机器人 217
9．5 小结 227
第10章构建推荐引擎 228
10．1 协同过滤 229
10．1．1 基于用户的过滤 230
10．1．2 基于项目的过滤 233
10．2 基于内容的过滤 236
10．3 混合系统 237
10．4 构建推荐引擎 238
10．5 小结 251