機器學習實戰(zhàn)

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 　傳感器和海量數(shù)據(jù)　　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(fā)機器學習應用程序的步驟　　9
1.6 　Python語言的優(yōu)勢　　10
1.6.1 　可執(zhí)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函數(shù)庫基礎　　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(shù)據(jù)　　17
2.1.2 　從文本文件中解析數(shù)據(jù)　　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(wǎng)站的配對效果　　20
2.2.1 　準備數(shù)據(jù)：從文本文件中解析數(shù)據(jù)　　21
2.2.2 　分析數(shù)據(jù)：使用Matplotlib創(chuàng)建散點圖　　23
2.2.3 　準備數(shù)據(jù)：歸一化數(shù)值　　25
2.2.4 　測試算法：作為完整程序驗證分類器　　26
2.2.5 　使用算法：構建完整可用系統(tǒng)　　27
2.3 　示例：手寫識別系統(tǒng)　　28
2.3.1 　準備數(shù)據(jù)：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(shù)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(shù)據(jù)集　　37
3.1.3 　遞歸構建決策樹　　39
3.2 　在Python中使用Matplotlib注解繪制樹形圖　　42
3.2.1 　Matplotlib注解　　43
3.2.2 　構造注解樹　　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(zhí)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　基于概率論的分類方法：樸素貝葉斯 　　53
4.1 　基于貝葉斯決策理論的分類方法　　53
4.2 　條件概率　　55
4.3 　使用條件概率來分類　　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(shù)據(jù)：從文本中構建詞向量　　58
4.5.2 　訓練算法：從詞向量計算概率　　60
4.5.3 　測試算法：根據(jù)現(xiàn)實情況修改分類器　　62
4.5.4 　準備數(shù)據(jù)：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(shù)據(jù)：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(qū)域傾向　　68
4.7.1 　收集數(shù)據(jù)：導入RSS源　　68
4.7.2 　分析數(shù)據(jù)：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 　基于Logistic回歸和Sigmoid函數(shù)的分類　　74
5.2 　基于最優(yōu)化方法的最佳回歸系數(shù)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(shù)　　77
5.2.3 　分析數(shù)據(jù)：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：從疝氣病癥預測病馬的死亡率　　85
5.3.1 　準備數(shù)據(jù)：處理數(shù)據(jù)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 　基于最大間隔分隔數(shù)據(jù)　　89
6.2 　尋找最大間隔　　91
6.2.1 　分類器求解的優(yōu)化問題　　92
6.2.2 　SVM應用的一般框架　　93
6.3 　SMO高效優(yōu)化算法　　94
6.3.1 　Platt的SMO算法　　94
6.3.2 　應用簡化版SMO算法處理小規(guī)模數(shù)據(jù)集　　94
6.4 　利用完整Platt SMO算法加速優(yōu)化　　99
6.5 　在復雜數(shù)據(jù)上應用核函數(shù)　　105
6.5.1 　利用核函數(shù)將數(shù)據(jù)映射到高維空間　　106
6.5.2 　徑向基核函數(shù)　　106
6.5.3 　在測試中使用核函數(shù)　　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 　基于數(shù)據(jù)集多重抽樣的分類器　　115
7.1.1 　bagging：基于數(shù)據(jù)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：基于錯誤提升分類器的性能　　117
7.3 　基于單層決策樹構建弱分類器　　118
7.4 　完整AdaBoost算法的實現(xiàn)　　122
7.5 　測試算法：基于AdaBoost的分類　　124
7.6 　示例：在一個難數(shù)據(jù)集上應用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 　基于代價函數(shù)的分類器決策控制　　131
7.7.3 　處理非均衡問題的數(shù)據(jù)抽樣方法　　132
7.8 　本章小結　　132
第二部分　利用回歸預測數(shù)值型數(shù)據(jù)
第8章　預測數(shù)值型數(shù)據(jù)：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 　縮減系數(shù)來“理解”數(shù)據(jù)　　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(shù)據(jù)：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 　復雜數(shù)據(jù)的局部性建?！　?59
9.2 　連續(xù)和離散型特征的樹的構建　　160
9.3 　將CART算法用于回歸　　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 　后剪枝　　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(chuàng)建GUI　　176
9.7.1 　用Tkinter創(chuàng)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(jiān)督學習
第10章　利用K-均值聚類算法對未標注數(shù)據(jù)分組　　184
10.1 　K-均值聚類算法　　185
10.2 　使用后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(lián)分析　　200
11.1 　關聯(lián)分析　　201
11.2 　Apriori原理　　202
11.3 　使用Apriori算法來發(fā)現(xiàn)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(lián)規(guī)則　　209
11.5 　示例：發(fā)現(xiàn)國會投票中的模式　　212
11.5.1 　收集數(shù)據(jù)：構建美國國會投票記錄的事務數(shù)據(jù)集　　213
11.5.2 　測試算法：基于美國國會投票記錄挖掘關聯(lián)規(guī)則　　219
11.6 　示例：發(fā)現(xiàn)毒蘑菇的相似特征　　220
11.7 　本章小結　　221
第12章　使用FP-growth算法來高效發(fā)現(xiàn)頻繁項集　　223
12.1 　FP樹：用于編碼數(shù)據(jù)集的有效方式　　224
12.2 　構建FP樹　　225
12.2.1 　創(chuàng)建FP樹的數(shù)據(jù)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(chuàng)建條件FP樹　　232
12.4 　示例：在Twitter源中發(fā)現(xiàn)一些共現(xiàn)詞　　235
12.5 　示例：從新聞網(wǎng)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(shù)據(jù)　　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(xiàn)PCA　　246
13.3 　示例：利用PCA對半導體制造數(shù)據(jù)降維　　248
13.4 　本章小結　　251
第14章　利用SVD簡化數(shù)據(jù)　　252
14.1 　SVD的應用　　252
14.1.1 　隱性語義索引　　253
14.1.2 　推薦系統(tǒng)　　253
14.2 　矩陣分解　　254
14.3 　利用Python實現(xiàn)SVD　　255
14.4 　基于協(xié)同過濾的推薦引擎　　257
14.4.1 　相似度計算　　257
14.4.2 　基于物品的相似度還是基于用戶的相似度？　　260
14.4.3 　推薦引擎的評價　　260
14.5 　示例：餐館菜肴推薦引擎　　260
14.5.1 　推薦未嘗過的菜肴　　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(zhàn)　　265
14.6 　基于SVD的圖像壓縮　　266
14.7 　本章小結　　268
第15章　大數(shù)據(jù)與MapReduce　　270
15.1 　MapReduce：分布式計算的框架　　271
15.2 　Hadoop流　　273
15.2.1 　分布式計算均值和方差的mapper　　273
15.2.2 　分布式計算均值和方差的reducer　　274
15.3 　在Amazon網(wǎng)絡服務上運行Hadoop程序　　275
15.3.1 　AWS上的可用服務　　276
15.3.2 　開啟Amazon網(wǎng)絡服務之旅　　276
15.3.3 　在EMR上運行Hadoop作業(yè)　　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：分布式SVM的Pegasos算法　　286
15.6.1 　Pegasos算法　　287
15.6.2 　訓練算法：用mrjob實現(xiàn)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(shù)　　303
附錄C 　概率論復習　　309
附錄D 　資源　　312
索引　　313
版權聲明　　316