機器學習與預測分析正在改變企業(yè)和其他組織的運作方式，Python機器學習(原書第2版)將帶領讀者進入預測分析的世界。全書共16章，除了簡要介紹機器學習及Python在機器學習中的應用，還系統(tǒng)講述了數(shù)據(jù)分類、數(shù)據(jù)預處理、模型優(yōu)化、集成學習、回歸、聚類、神經(jīng)網(wǎng)絡、深度學習等內(nèi)容。

本書將機器學習背后的基本理論與應用實踐聯(lián)系起來，通過這種方式讓讀者聚焦于如何正確地提出問題、解決問題。本書講解了如何使用Python的核心元素以及強大的機器學習庫，同時還展示了如何正確使用一系列統(tǒng)計模型。

本書可作為學習數(shù)據(jù)科學的初學者及想進一步拓展數(shù)據(jù)科學領域認識的讀者的參考書。同樣，本書也適合計算機等相關專業(yè)的本科生、研究生閱讀。

目錄

第1章　賦予計算機從數(shù)據(jù)中學習的能力
第2章　訓練簡單的機器學習分類算法
第3章　scikit-learn機器學習分類器一覽
第4章　構建良好的訓練集——預處理
第5章　通過降維壓縮數(shù)據(jù)
第6章　模型評估和超參數(shù)調(diào)優(yōu)的最佳實踐
第7章　綜合不同模型的組合學習
第8章　應用機器學習于情感分析
第9章　將機器學習模型嵌入網(wǎng)絡應用
第10章　用回歸分析預測連續(xù)目標變量
第11章　用聚類分析處理無標簽數(shù)據(jù)
第12章　從零開始實現(xiàn)多層人工神經(jīng)網(wǎng)絡
第13章　用TensorFlow并行訓練神經(jīng)網(wǎng)絡
第14章　深入探討TensorFlow的工作原理
第15章　深度卷積神經(jīng)網(wǎng)絡圖像識別
第16章　用遞歸神經(jīng)網(wǎng)絡為序列數(shù)據(jù)建模