机器学习系统设计

内容简介

《机器学习系统设计》是实用的Python机器学习教程，结合大量案例，介绍了机器学习的各方面知识。《机器学习系统设计》不仅告诉你“怎么做”，还会分析“为什么”，力求帮助读者掌握多种多样的机器学习Python库，学习构建基于Python的机器学习系统，并亲身实践和体验机器学习系统的功能。
《机器学习系统设计》适合需要机器学习技术的Python开发人员、计算机科学研究人员、数据科学家、人工智能程序员，以及统计程序员阅读参考。

目录

第1章 Python机器学习入门
1.1 梦之队：机器学习与Python
1.2 这本书将教给你什么(以及不会教什么)
1.3 遇到困难的时候怎么办
1.4 开始
1.4.1 NumPy、SciPy和Matplotlib简介
1.4.2 安装Python
1.4.3 使用NumPy和SciPy智能地处理数据
1.4.4 学习NumPy
1.4.5 学习SciPy
1.5 我们第一个(极小的)机器学习应用
1.5.1 读取数据
1.5.2 预处理和清洗数据
1.5.3 选择正确的模型和学习算法
1.6 小结


第1章  Python机器学习入门
  1.1  梦之队：机器学习与Python
  1.2  这本书将教给你什么(以及不会教什么)
  1.3  遇到困难的时候怎么办
  1.4  开始
    1.4.1  NumPy、SciPy和Matplotlib简介
    1.4.2  安装Python
    1.4.3  使用NumPy和SciPy智能地处理数据
    1.4.4  学习NumPy
    1.4.5  学习SciPy
  1.5  我们第一个(极小的)机器学习应用
    1.5.1  读取数据
    1.5.2  预处理和清洗数据
    1.5.3  选择正确的模型和学习算法
  1.6  小结
第2章  如何对真实样本分类
  2.1  Iris数据集
    2.1.1  第一步是可视化
    2.1.2  构建第一个分类模型
  2.2  构建更复杂的分类器
  2.3  更复杂的数据集和更复杂的分类器
    2.3.1  从Seeds数据集中学习
    2.3.2  特征和特征工程
    2.3.3  近分类
  2.4  二分类和多分类
  2.5  小结
第3章  聚类：寻找相关的帖子
  3.1  评估帖子的关联性
    3.1.1  不应该怎样
    3.1.2  应该怎样
  3.2  预处理：用相近的公共词语个数来衡量相似性
    3.2.1  将原始文本转化为词袋
    3.2.2  统计词语
    3.2.3  词语频次向量的归一化
    3.2.4  删除不重要的词语
    3.2.5  词干处理
    3.2.6  停用词兴奋剂
    3.2.7  我们的成果和目标
  3.3  聚类
    3.3.1  K均值
    3.3.2  让测试数据评估我们的想法
    3.3.3  对帖子聚类
  3.4  解决我们的难题
  3.5  调整参数
  3.6  小结
第4章  主题模型
  4.1  潜在狄利克雷分配(LDA)
  4.2  在主题空间比较相似度
  4.3  选择主题个数
  4.4  小结
第5章  分类：检测劣质答案
  5.1  路线图概述
  5.2  学习如何区分出的答案
    5.2.1  调整样本
    5.2.2