每周一书《Python机器学习实践指南 附随书代码》分享!

2023-12-01 01:18

本文主要是介绍每周一书《Python机器学习实践指南 附随书代码》分享!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

机器学习是近年来渐趋热门的一个领域,同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。Python机器学习实践指南结合了机器学习和Python 语言两个热门的领域,通过利用两种核心的机器学习算法来将Python 语言在数据分析方面的优势发挥到极致。

全书共有10 章。第1 章讲解了Python 机器学习的生态系统,剩余9 章介绍了众多与机器学习相关的算法,包括各类分类算法、数据可视化技术、推荐引擎等,主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。

本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。

目录

第1 章Python 机器学习的生态系统······1

1.1 数据科学/机器学习的工作

流程 ··································2

1.1.1 获取··························2

1.1.2 检查和探索·················2

1.1.3 清理和准备·················3

1.1.4 建模··························3

1.1.5 评估··························3

1.1.6 部署··························3

1.2 Python 库和功能···················3

1.2.1 获取··························4

1.2.2 检查··························4

1.2.3 准备························20

1.2.4 建模和评估···············26

1.2.5 部署························34

1.3 设置机器学习的环境···········34

1.4 小结·································34

第2 章构建应用程序,发现低价的

公寓·············································35

2.1 获取公寓房源数据··············36

使用import.io 抓取房源

数据 ·································36

2.2 检查和准备数据·················38

2.2.1 分析数据···················46

2.2.2 可视化数据················50

2.3 对数据建模························51

2.3.1 预测·························54

2.3.2 扩展模型···················57

2.4 小结·································57

第3 章构建应用程序,发现低价的

机票··································58

3.1 获取机票价格数据···············59

3.2 使用高级的网络爬虫技术

检索票价数据·····················60

3.3 解析DOM 以提取定价数据····62

通过聚类技术识别

异常的票价·························66

3.4 使用IFTTT 发送实时提醒······75

3.5 整合在一起························78

3.6 小结·································82

第4 章使用逻辑回归预测IPO 市场·······83

4.1 IPO 市场····························84

4.1.1 什么是IPO ················84

4.1.2 近期IPO 市场表现·······84

4.1.3 基本的IPO 策略··········93

4.2 特征工程···························94

4.3 二元分类··························103

4.4 特征的重要性···················108

4.5 小结································111

第5 章创建自定义的新闻源··············112

5.1 使用Pocket 应用程序,创建一个

监督训练的集合················112

5.1.1 安装Pocket 的Chrome

扩展程序·················113

5.1.2 使用Pocket API 来检索

故事·······················114

5.2 使用embed.ly API 下载故事的

内容 ·······························119

5.3 自然语言处理基础·············120

5.4 支持向量机·······················123

5.5 IFTTT 与文章源、Google 表单

和电子邮件的集成·············125

通过IFTTT 设置新闻源

和 Google 表单···················125

5.6 设置你的每日个性化

新闻简报·························133

5.7 小结································137

第6 章预测你的内容是否会广为

流传································138

6.1 关于病毒性,研究告诉我们了

些什么 ····························139

6.2 获取分享的数量和内容·········140

6.3 探索传播性的特征·············149

6.3.1 探索图像数据···········149

6.3.2 探索标题·················152

6.3.3 探索故事的内容········156

6.4 构建内容评分的预测模型····157

6.5 小结································162

第7 章使用机器学习预测股票市场·······163

7.1 市场分析的类型················164

7.2 关于股票市场,研究告诉

我们些什么······················165

7.3 如何开发一个交易策略·······166

7.3.1 延长我们的分析

周期·······················172

7.3.2 使用支持向量回归,

构建我们的模型········175

7.3.3 建模与动态时间扭曲····182

7.4 小结·······························186

第8 章建立图像相似度的引擎···········187

8.1 图像的机器学习················188

8.2 处理图像·························189

8.3 查找相似的图像················191

8.4 了解深度学习···················195

8.5 构建图像相似度的引擎·······198

8.6 小结·······························206

第9 章打造聊天机器人····················207

9.1 图灵测试·························207

9.2 聊天机器人的历史················208

9.3 聊天机器人的设计·············212

9.4 打造一个聊天机器人··········217

9.5 小结·······························227

第10 章构建推荐引擎·····················228

10.1 协同过滤························229

10.1.1 基于用户的过滤······230

10.1.2 基于项目的过滤······233

10.2 基于内容的过滤···············236

10.3 混合系统························237

10.4 构建推荐引擎··················238

10.5 小结······························251

如果想得到下载地址,请微信搜索关注“中科院计算所培训中心”公众号,回复“机器学习”自动获取下载地址;或者添加中科院计算所培训中心助教微信号“tcict1987”,帮助进入中科院IT技术分享群,群里有地址分享。

这篇关于每周一书《Python机器学习实践指南 附随书代码》分享!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/439276

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]