机器学习(Python实践)

不同于很多讲解机器学习的书籍，本书以实践为导向，使用scikit-learn作为编程框架，强调简单、快速地建立模型，解决实际项目问题。优秀部分详细介绍了初识机器学习的内容，包括学习机器学习的误区，什么是机器学习，Python中的机器学习以及学习机器学习的原则等。第二部分介绍了如何准备数据，在机器学习中进行数据预处理是非常重要的，我们通过介绍如何进行特征选择、标准化和降维等几个方面帮助读者更好地进行数据准备。第三部分讲解了机器学习模型的选择和建立，介绍了几种常见的分类算法、回归算法以及聚类算法，并通过代码示例演示了如何使用Scikit-learn进行模型的选择和建立。第四部分讲解了模型性能的评估，包括特征重要性评测、交叉验证、混淆矩阵和ROC曲线、PR曲线以及F1得分等，这些评估指标是评估模型性能的重要指标。最后一部分介绍了一些高级主题，如集成学习、深度学习等。读者通过对《机器学习——Python实践》的学习，可以迅速上手实践机器学习，并利用机器学习解决实际问题。