《scikit-learn機器學習實戰》簡介

# 好書推薦 ## 好書奇遇季 #scikit-learn 機器學習入門書《 scikit-learn 機器學習實戰》，京東噹噹天貓都有發售。雙色印刷，定價 69 元，打折一下更便宜。 從演算法和案例入手，快速掌握機器學習

 

本書背景

 

scikit-learn 專案最早由資料科學家 David Cournapeau 在 2007 年發起，需要 NumPy 和 SciPy 等其他包的支援，它是 Python 語言中專門針對機器學習應用而發展起來的一款開源框架。

 

機器學習是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。它專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構並使之不斷改善自身的效能。它是人工智慧的核心，即使計算機具有智慧的根本途徑。

 

本書針對機器學習這個領域，描述了多種學習模型、策略、演算法、理論以及應用，基於 Python3 使用 scikit-learn 工具包演示演算法解決實際問題的過程。對機器學習感興趣的讀者可透過本書快速入門，快速勝任機器學習崗位，成為人工智慧時代的人才。

 

本書內容

 

本書共分 13 章，系統講解機器學習的典型演算法，內容包括機器學習概述、資料特徵提取、 scikit-learn 估計器分類、樸素貝葉斯分類、線性迴歸、 k 近鄰演算法分類和迴歸、從簡單線性迴歸到多元線性迴歸、從線性迴歸到邏輯迴歸、非線性分類和決策樹迴歸、從決策樹到隨機森林、從感知機到支援向量機、從感知機到人工神經網路、主成分分析降維。本書的例子都是在 Python3 整合開發環境 Anaconda3 中經過實際除錯透過的典型案例，同時本書配備了案例的原始碼和資料集供讀者參考。

 

讀者需要了解的重要資訊

 

本書作為機器學習專業圖書，介紹機器學習的基本概念、演算法流程、模型構建、資料訓練、模型評估與調優、必備工具和實現方法，全程以真實案例驅動，案例採用 Python3 實現。本書涵蓋資料獲得、演算法模型、案例程式碼實現和結果展示的全過程，以機器學習的經典演算法為軸線：演算法分析 → 資料獲取 → 模型構建 → 推斷 → 演算法評估。本書案例具有代表性，結合了理論與實踐，並能明確機器學習的目標及完成效果。

 

本書讀者

 

本書適合大資料分析與挖掘、機器學習與人工智慧技術的初學者、研究人員及從業人員，也適合作為高等院校和培訓機構大資料、機器學習與人工智慧相關專業的師生教學參考。

 

本書作者

 

鄧立國，東北大學計算機應用博士畢業。廣東工業大學任教，主要研究方向：資料探勘、知識工程、大資料處理、雲端計算、分散式計算等。著有圖書《 scikit-learn 機器學習實戰》《 Python 資料分析與挖掘實戰》《 Python 大資料分析演算法與例項》《 Python 機器學習演算法與應用》《資料庫原理與應用（ SQL Server 2016 版本）》。

 

本書目錄

 

第 1 章   機器學習概述 1

第 2 章   機器學習之資料特徵 9

第 3 章   用 scikit-learn 估計器分類

第 4 章   樸素貝葉斯分類

第 5 章   線性迴歸

第 6 章   用 k 近鄰演算法分類和迴歸

第 7 章   從簡單線性迴歸到多元線性迴歸

第 8 章   從線性迴歸到邏輯迴歸

第 9 章   非線性分類和決策樹迴歸

第 10 章   整合方法：從決策樹到隨機森林

第 11 章   從感知機到支援向量機

第 12 章   從感知機到人工神經網路

第 13 章   主成分分析降維

 

大資料技術書推薦

 

《 Hadoop 3 大資料技術快速入門》

《 Kettle 構建 Hadoop ETL 系統實踐》

《 Flink 入門與實戰》

《 Python 資料分析與挖掘實戰》

《 Python 大資料處理庫 PySpark 實戰》

《 Hadoop 構建資料倉儲實踐》

《分散式資料庫 HBase 案例教程》