《機器學習實戰》是2013年由人民郵電出版社出版的書籍，作者是Peter Harrington。
基本介紹
- 作者：Peter Harrington
- 譯者：李銳 李鵬 曲亞東 王斌
- ISBN：9787115317957
- 頁數：332
- 定價：69.00元
- 出版社：人民郵電出版社
- 出版時間：2013-6
- 原作名：Machine Learning in Action
內容介紹,作者介紹,作品目錄,
內容介紹
機器學習是人工智慧研究領域中一個極其重要的研究方向，在現今的大數據時代背景下，捕獲數據並從中萃取有價值的信息或模式，成為各行業求生存、謀發展的決定性手段，這使得這一過去為分析師和數學家所專屬的研究領域越來越為人們所矚目。
本書第一部分主要介紹機器學習基礎，以及如何利用算法進行分類，並逐步介紹了多種經典的監督學習算法，如k近鄰算法、樸素貝葉斯算法、Logistic回歸算法、支持向量機、AdaBoost集成方法、基於樹的回歸算法和分類回歸樹（CART）算法等。第三部分則重點介紹無監督學習及其一些主要算法：k均值聚類算法、Apriori算法、FP-Growth算法。第四部分介紹了機器學習算法的一些附屬工具。
全書通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用Python代碼來闡釋如何處理統計數據，進行數據分析及可視化。通過各種實例，讀者可從中學會機器學習的核心算法，並能將其運用於一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現一些更高級的功能，如匯總和簡化等。
作者介紹
Peter Harrington
擁有電氣工程學士和碩士學位，他曾經在美國加州和中國的英特爾公司工作7年。Peter擁有5項美國專利，在三種學術期刊上發表過文章。他現在是Zillabyte公司的首席科學家，在加入該公司之前，他曾擔任2年的機器學習軟體顧問。Peter在業餘時間還參加編程競賽和建造3D印表機。
作品目錄
目 錄
第一部分 分類
第1章 機器學習基礎 2
1.1 何謂機器學習 3
1.1.1 感測器和海量數據 4
1.1.2 機器學習非常重要 5
1.2 關鍵術語 5
1.3 機器學習的主要任務 7
1.4 如何選擇合適的算法 8
1.5 開發機器學習應用程式的步驟 9
1.6 Python語言的優勢 10
1.6.1 可執行偽代碼 10
1.6.2 Python比較流行 10
1.6.3 Python語言的特色 11
1.6.4 Python語言的缺點 11
1.7 NumPy函式館基礎 12
1.8 本章小結 13
第2章 k-近鄰算法 15
2.1 k-近鄰算法概述 15
2.1.1 準備：使用Python導入數據 17
2.1.2 從文本檔案中解析數據 19
2.1.3 如何測試分類器 20
2.2 示例：使用k-近鄰算法改進約會網站的配對效果 20
2.2.1 準備數據：從文本檔案中解析數據 21
2.2.2 分析數據：使用Matplotlib創建散點圖 23
2.2.3 準備數據：歸一化數值 25
2.2.4 測試算法：作為完整程式驗證分類器 26
2.2.5 使用算法：構建完整可用系統 27
2.3 示例：手寫識別系統 28
2.3.1 準備數據：將圖像轉換為測試向量 29
2.3.2 測試算法：使用k-近鄰算法識別手寫數字 30
2.4 本章小結 31
第3章 決策樹 32
3.1 決策樹的構造 33
3.1.1 信息增益 35
3.1.2 劃分數據集 37
3.1.3 遞歸構建決策樹 39
3.2 在Python中使用Matplotlib註解繪製樹形圖 42
3.2.1 Matplotlib註解 43
3.2.2 構造註解樹 44
3.3 測試和存儲分類器 48
3.3.1 測試算法：使用決策樹執行分類 49
3.3.2 使用算法：決策樹的存儲 50
3.4 示例：使用決策樹預測隱形眼鏡類型 50
3.5 本章小結 52
第4章 基於機率論的分類方法：樸素貝葉斯 53
4.1 基於貝葉斯決策理論的分類方法 53
4.2 條件機率 55
4.3 使用條件機率來分類 56
4.4 使用樸素貝葉斯進行文檔分類 57
4.5 使用Python進行文本分類 58
4.5.1 準備數據：從文本中構建詞向量 58
4.5.2 訓練算法：從詞向量計算機率 60
4.5.3 測試算法：根據現實情況修改分類器 62
4.5.4 準備數據：文檔詞袋模型 64
4.6 示例：使用樸素貝葉斯過濾垃圾郵件 64
4.6.1 準備數據：切分文本 65
4.6.2 測試算法：使用樸素貝葉斯進行交叉驗證 66
4.7 示例：使用樸素貝葉斯分類器從個人廣告中獲取區域傾向 68
4.7.1 收集數據：導入RSS源 68
4.7.2 分析數據：顯示地域相關的用詞 71
4.8 本章小結 72
第5章 Logistic回歸 73
5.1 基於Logistic回歸和Sigmoid函式的分類 74
5.2 基於最最佳化方法的最佳回歸係數確定 75
5.2.1 梯度上升法 75
5.2.2 訓練算法：使用梯度上升找到最佳參數 77
5.2.3 分析數據：畫出決策邊界 79
5.2.4 訓練算法：隨機梯度上升 80
5.3 示例：從疝氣病症預測病馬的死亡率 85
5.3.1 準備數據：處理數據中的缺失值 85
5.3.2 測試算法：用Logistic回歸進行分類 86
5.4 本章小結 88
第6章 支持向量機 89
6.1 基於最大間隔分隔數據 89
6.2 尋找最大間隔 91
6.2.1 分類器求解的最佳化問題 92
6.2.2 SVM套用的一般框架 93
6.3 SMO高效最佳化算法 94
6.3.1 Platt的SMO算法 94
6.3.2 套用簡化版SMO算法處理小規模數據集 94
6.4 利用完整Platt SMO算法加速最佳化 99
6.5 在複雜數據上套用核函式 105
6.5.1 利用核函式將數據映射到高維空間 106
6.5.2 徑向基核函式 106
6.5.3 在測試中使用核函式 108
6.6 示例：手寫識別問題回顧 111
6.7 本章小結 113
第7章 利用AdaBoost元算法提高分類
性能 115
7.1 基於數據集多重抽樣的分類器 115
7.1.1 bagging：基於數據隨機重抽樣的分類器構建方法 116
7.1.2 boosting 116
7.2 訓練算法：基於錯誤提升分類器的性能 117
7.3 基於單層決策樹構建弱分類器 118
7.4 完整AdaBoost算法的實現 122
7.5 測試算法：基於AdaBoost的分類 124
7.6 示例：在一個難數據集上套用AdaBoost 125
7.7 非均衡分類問題 127
7.7.1 其他分類性能度量指標：正確率、召回率及ROC曲線 128
7.7.2 基於代價函式的分類器決策控制 131
7.7.3 處理非均衡問題的數據抽樣方法 132
7.8 本章小結 132
第二部分 利用回歸預測數值型數據
第8章 預測數值型數據：回歸 136
8.1 用線性回歸找到最佳擬合直線 136
8.2 局部加權線性回歸 141
8.3 示例：預測鮑魚的年齡 145
8.4 縮減係數來“理解”數據 146
8.4.1 嶺回歸 146
8.4.2 lasso 148
8.4.3 前向逐步回歸 149
8.5 權衡偏差與方差 152
8.6 示例：預測樂高玩具套裝的價格 153
8.6.1 收集數據：使用Google購物的API 153
8.6.2 訓練算法：建立模型 155
8.7 本章小結 158
第9章 樹回歸 159
9.1 複雜數據的局部性建模 159
9.2 連續和離散型特徵的樹的構建 160
9.3 將CART算法用於回歸 163
9.3.1 構建樹 163
9.3.2 運行代碼 165
9.4 樹剪枝 167
9.4.1 預剪枝 167
9.4.2 後剪枝 168
9.5 模型樹 170
9.6 示例：樹回歸與標準回歸的比較 173
9.7 使用Python的Tkinter庫創建GUI 176
9.7.1 用Tkinter創建GUI 177
9.7.2 集成Matplotlib和Tkinter 179
9.8 本章小結 182
第三部分 無監督學習
第10章 利用K-均值聚類算法對未標註數據分組 184
10.1 K-均值聚類算法 185
10.2 使用後處理來提高聚類性能 189
10.3 二分K-均值算法 190
10.4 示例：對地圖上的點進行聚類 193
10.4.1 Yahoo! PlaceFinder API 194
10.4.2 對地理坐標進行聚類 196
10.5 本章小結 198
第11章 使用Apriori算法進行關聯分析 200
11.1 關聯分析 201
11.2 Apriori原理 202
11.3 使用Apriori算法來發現頻繁集 204
11.3.1 生成候選項集 204
11.3.2 組織完整的Apriori算法 207
11.4 從頻繁項集中挖掘關聯規則 209
11.5 示例：發現國會投票中的模式 212
11.5.1 收集數據：構建美國國會投票記錄的事務數據集 213
11.5.2 測試算法：基於美國國會投票記錄挖掘關聯規則 219
11.6 示例：發現毒蘑菇的相似特徵 220
11.7 本章小結 221
第12章 使用FP-growth算法來高效發現頻繁項集 223
12.1 FP樹：用於編碼數據集的有效方式 224
12.2 構建FP樹 225
12.2.1 創建FP樹的數據結構 226
12.2.2 構建FP樹 227
12.3 從一棵FP樹中挖掘頻繁項集 231
12.3.1 抽取條件模式基 231
12.3.2 創建條件FP樹 232
12.4 示例：在Twitter源中發現一些共現詞 235
12.5 示例：從新聞網站點擊流中挖掘 238
12.6 本章小結 239
第四部分 其他工具
第13章 利用PCA來簡化數據 242
13.1 降維技術 242
13.2 PCA 243
13.2.1 移動坐標軸 243
13.2.2 在NumPy中實現PCA 246
13.3 示例：利用PCA對半導體製造數據降維 248
13.4 本章小結 251
第14章 利用SVD簡化數據 252
14.1 SVD的套用 252
14.1.1 隱性語義索引 253
14.1.2 推薦系統 253
14.2 矩陣分解 254
14.3 利用Python實現SVD 255
14.4 基於協同過濾的推薦引擎 257
14.4.1 相似度計算 257
14.4.2 基於物品的相似度還是基於用戶的相似度？ 260
14.4.3 推薦引擎的評價 260
14.5 示例：餐館菜餚推薦引擎 260
14.5.1 推薦未嘗過的菜餚 261
14.5.2 利用SVD提高推薦的效果 263
14.5.3 構建推薦引擎面臨的挑戰 265
14.6 基於SVD的圖像壓縮 266
14.7 本章小結 268
第15章 大數據與MapReduce 270
15.1 MapReduce：分散式計算的框架 271
15.2 Hadoop流 273
15.2.1 分散式計算均值和方差的mapper 273
15.2.2 分散式計算均值和方差的reducer 274
15.3 在Amazon網路服務上運行Hadoop程式 275
15.3.1 AWS上的可用服務 276
15.3.2 開啟Amazon網路服務之旅 276
15.3.3 在EMR上運行Hadoop作業 278
15.4 MapReduce上的機器學習 282
15.5 在Python中使用mrjob來自動化MapReduce 283
15.5.1 mrjob與EMR的無縫集成 283
15.5.2 mrjob的一個MapReduce腳本剖析 284
15.6 示例：分散式SVM的Pegasos算法 286
15.6.1 Pegasos算法 287
15.6.2 訓練算法：用mrjob實現MapReduce版本的SVM 288
15.7 你真的需要MapReduce嗎？ 292
15.8 本章小結 292
附錄A Python入門 294
附錄B 線性代數 303
附錄C 機率論複習 309
附錄D 資源 312
索引 313
著作權聲明 316
第一部分 分類
第1章 機器學習基礎 2
1.1 何謂機器學習 3
1.1.1 感測器和海量數據 4
1.1.2 機器學習非常重要 5
1.2 關鍵術語 5
1.3 機器學習的主要任務 7
1.4 如何選擇合適的算法 8
1.5 開發機器學習應用程式的步驟 9
1.6 Python語言的優勢 10
1.6.1 可執行偽代碼 10
1.6.2 Python比較流行 10
1.6.3 Python語言的特色 11
1.6.4 Python語言的缺點 11
1.7 NumPy函式館基礎 12
1.8 本章小結 13
第2章 k-近鄰算法 15
2.1 k-近鄰算法概述 15
2.1.1 準備：使用Python導入數據 17
2.1.2 從文本檔案中解析數據 19
2.1.3 如何測試分類器 20
2.2 示例：使用k-近鄰算法改進約會網站的配對效果 20
2.2.1 準備數據：從文本檔案中解析數據 21
2.2.2 分析數據：使用Matplotlib創建散點圖 23
2.2.3 準備數據：歸一化數值 25
2.2.4 測試算法：作為完整程式驗證分類器 26
2.2.5 使用算法：構建完整可用系統 27
2.3 示例：手寫識別系統 28
2.3.1 準備數據：將圖像轉換為測試向量 29
2.3.2 測試算法：使用k-近鄰算法識別手寫數字 30
2.4 本章小結 31
第3章 決策樹 32
3.1 決策樹的構造 33
3.1.1 信息增益 35
3.1.2 劃分數據集 37
3.1.3 遞歸構建決策樹 39
3.2 在Python中使用Matplotlib註解繪製樹形圖 42
3.2.1 Matplotlib註解 43
3.2.2 構造註解樹 44
3.3 測試和存儲分類器 48
3.3.1 測試算法：使用決策樹執行分類 49
3.3.2 使用算法：決策樹的存儲 50
3.4 示例：使用決策樹預測隱形眼鏡類型 50
3.5 本章小結 52
第4章 基於機率論的分類方法：樸素貝葉斯 53
4.1 基於貝葉斯決策理論的分類方法 53
4.2 條件機率 55
4.3 使用條件機率來分類 56
4.4 使用樸素貝葉斯進行文檔分類 57
4.5 使用Python進行文本分類 58
4.5.1 準備數據：從文本中構建詞向量 58
4.5.2 訓練算法：從詞向量計算機率 60
4.5.3 測試算法：根據現實情況修改分類器 62
4.5.4 準備數據：文檔詞袋模型 64
4.6 示例：使用樸素貝葉斯過濾垃圾郵件 64
4.6.1 準備數據：切分文本 65
4.6.2 測試算法：使用樸素貝葉斯進行交叉驗證 66
4.7 示例：使用樸素貝葉斯分類器從個人廣告中獲取區域傾向 68
4.7.1 收集數據：導入RSS源 68
4.7.2 分析數據：顯示地域相關的用詞 71
4.8 本章小結 72
第5章 Logistic回歸 73
5.1 基於Logistic回歸和Sigmoid函式的分類 74
5.2 基於最最佳化方法的最佳回歸係數確定 75
5.2.1 梯度上升法 75
5.2.2 訓練算法：使用梯度上升找到最佳參數 77
5.2.3 分析數據：畫出決策邊界 79
5.2.4 訓練算法：隨機梯度上升 80
5.3 示例：從疝氣病症預測病馬的死亡率 85
5.3.1 準備數據：處理數據中的缺失值 85
5.3.2 測試算法：用Logistic回歸進行分類 86
5.4 本章小結 88
第6章 支持向量機 89
6.1 基於最大間隔分隔數據 89
6.2 尋找最大間隔 91
6.2.1 分類器求解的最佳化問題 92
6.2.2 SVM套用的一般框架 93
6.3 SMO高效最佳化算法 94
6.3.1 Platt的SMO算法 94
6.3.2 套用簡化版SMO算法處理小規模數據集 94
6.4 利用完整Platt SMO算法加速最佳化 99
6.5 在複雜數據上套用核函式 105
6.5.1 利用核函式將數據映射到高維空間 106
6.5.2 徑向基核函式 106
6.5.3 在測試中使用核函式 108
6.6 示例：手寫識別問題回顧 111
6.7 本章小結 113
第7章 利用AdaBoost元算法提高分類
性能 115
7.1 基於數據集多重抽樣的分類器 115
7.1.1 bagging：基於數據隨機重抽樣的分類器構建方法 116
7.1.2 boosting 116
7.2 訓練算法：基於錯誤提升分類器的性能 117
7.3 基於單層決策樹構建弱分類器 118
7.4 完整AdaBoost算法的實現 122
7.5 測試算法：基於AdaBoost的分類 124
7.6 示例：在一個難數據集上套用AdaBoost 125
7.7 非均衡分類問題 127
7.7.1 其他分類性能度量指標：正確率、召回率及ROC曲線 128
7.7.2 基於代價函式的分類器決策控制 131
7.7.3 處理非均衡問題的數據抽樣方法 132
7.8 本章小結 132
第二部分 利用回歸預測數值型數據
第8章 預測數值型數據：回歸 136
8.1 用線性回歸找到最佳擬合直線 136
8.2 局部加權線性回歸 141
8.3 示例：預測鮑魚的年齡 145
8.4 縮減係數來“理解”數據 146
8.4.1 嶺回歸 146
8.4.2 lasso 148
8.4.3 前向逐步回歸 149
8.5 權衡偏差與方差 152
8.6 示例：預測樂高玩具套裝的價格 153
8.6.1 收集數據：使用Google購物的API 153
8.6.2 訓練算法：建立模型 155
8.7 本章小結 158
第9章 樹回歸 159
9.1 複雜數據的局部性建模 159
9.2 連續和離散型特徵的樹的構建 160
9.3 將CART算法用於回歸 163
9.3.1 構建樹 163
9.3.2 運行代碼 165
9.4 樹剪枝 167
9.4.1 預剪枝 167
9.4.2 後剪枝 168
9.5 模型樹 170
9.6 示例：樹回歸與標準回歸的比較 173
9.7 使用Python的Tkinter庫創建GUI 176
9.7.1 用Tkinter創建GUI 177
9.7.2 集成Matplotlib和Tkinter 179
9.8 本章小結 182
第三部分 無監督學習
第10章 利用K-均值聚類算法對未標註數據分組 184
10.1 K-均值聚類算法 185
10.2 使用後處理來提高聚類性能 189
10.3 二分K-均值算法 190
10.4 示例：對地圖上的點進行聚類 193
10.4.1 Yahoo! PlaceFinder API 194
10.4.2 對地理坐標進行聚類 196
10.5 本章小結 198
第11章 使用Apriori算法進行關聯分析 200
11.1 關聯分析 201
11.2 Apriori原理 202
11.3 使用Apriori算法來發現頻繁集 204
11.3.1 生成候選項集 204
11.3.2 組織完整的Apriori算法 207
11.4 從頻繁項集中挖掘關聯規則 209
11.5 示例：發現國會投票中的模式 212
11.5.1 收集數據：構建美國國會投票記錄的事務數據集 213
11.5.2 測試算法：基於美國國會投票記錄挖掘關聯規則 219
11.6 示例：發現毒蘑菇的相似特徵 220
11.7 本章小結 221
第12章 使用FP-growth算法來高效發現頻繁項集 223
12.1 FP樹：用於編碼數據集的有效方式 224
12.2 構建FP樹 225
12.2.1 創建FP樹的數據結構 226
12.2.2 構建FP樹 227
12.3 從一棵FP樹中挖掘頻繁項集 231
12.3.1 抽取條件模式基 231
12.3.2 創建條件FP樹 232
12.4 示例：在Twitter源中發現一些共現詞 235
12.5 示例：從新聞網站點擊流中挖掘 238
12.6 本章小結 239
第四部分 其他工具
第13章 利用PCA來簡化數據 242
13.1 降維技術 242
13.2 PCA 243
13.2.1 移動坐標軸 243
13.2.2 在NumPy中實現PCA 246
13.3 示例：利用PCA對半導體製造數據降維 248
13.4 本章小結 251
第14章 利用SVD簡化數據 252
14.1 SVD的套用 252
14.1.1 隱性語義索引 253
14.1.2 推薦系統 253
14.2 矩陣分解 254
14.3 利用Python實現SVD 255
14.4 基於協同過濾的推薦引擎 257
14.4.1 相似度計算 257
14.4.2 基於物品的相似度還是基於用戶的相似度？ 260
14.4.3 推薦引擎的評價 260
14.5 示例：餐館菜餚推薦引擎 260
14.5.1 推薦未嘗過的菜餚 261
14.5.2 利用SVD提高推薦的效果 263
14.5.3 構建推薦引擎面臨的挑戰 265
14.6 基於SVD的圖像壓縮 266
14.7 本章小結 268
第15章 大數據與MapReduce 270
15.1 MapReduce：分散式計算的框架 271
15.2 Hadoop流 273
15.2.1 分散式計算均值和方差的mapper 273
15.2.2 分散式計算均值和方差的reducer 274
15.3 在Amazon網路服務上運行Hadoop程式 275
15.3.1 AWS上的可用服務 276
15.3.2 開啟Amazon網路服務之旅 276
15.3.3 在EMR上運行Hadoop作業 278
15.4 MapReduce上的機器學習 282
15.5 在Python中使用mrjob來自動化MapReduce 283
15.5.1 mrjob與EMR的無縫集成 283
15.5.2 mrjob的一個MapReduce腳本剖析 284
15.6 示例：分散式SVM的Pegasos算法 286
15.6.1 Pegasos算法 287
15.6.2 訓練算法：用mrjob實現MapReduce版本的SVM 288
15.7 你真的需要MapReduce嗎？ 292
15.8 本章小結 292
附錄A Python入門 294
附錄B 線性代數 303
附錄C 機率論複習 309
附錄D 資源 312
索引 313
著作權聲明 316
