Python機器學習實踐指南

目　錄
第1章Python機器學習的生態(tài)系統(tǒng) 1
1．1 數(shù)據(jù)科學/機器學習的工作
流程 2
1．1．1 獲取 2
1．1．2 檢查和探索 2
1．1．3 清理和準備 3
1．1．4 建模 3
1．1．5 評估 3
1．1．6 部署 3
1．2 Python庫和功能 3
1．2．1 獲取 4
1．2．2 檢查 4
1．2．3 準備 20
1．2．4 建模和評估 26
1．2．5 部署 34
1．3 設置機器學習的環(huán)境 34
1．4 小結(jié) 34
第2章構(gòu)建應用程序，發(fā)現(xiàn)低價的
公寓 35
2．1 獲取公寓房源數(shù)據(jù) 36
使用import．io抓取房源
數(shù)據(jù) 36
2．2 檢查和準備數(shù)據(jù) 38
2．2．1 分析數(shù)據(jù) 46
2．2．2 可視化數(shù)據(jù) 50
2．3 對數(shù)據(jù)建模 51
2．3．1 預測 54
2．3．2 擴展模型 57
2．4 小結(jié) 57
第3章構(gòu)建應用程序，發(fā)現(xiàn)低價的
機票 58
3．1 獲取機票價格數(shù)據(jù) 59
3．2 使用高級的網(wǎng)絡爬蟲技術(shù)
檢索票價數(shù)據(jù) 60
3．3 解析DOM以提取定價數(shù)據(jù) 62
通過聚類技術(shù)識別
異常的票價 66
3．4 使用IFTTT發(fā)送實時提醒 75
3．5 整合在一起 78
3．6 小結(jié) 82
第4章使用邏輯回歸預測IPO市場 83
4．1 IPO市場 84
4．1．1 什么是IPO 84
4．1．2 近期IPO市場表現(xiàn) 84
4．1．3 基本的IPO策略 93
4．2 特征工程 94
4．3 二元分類 103
4．4 特征的重要性 108
4．5 小結(jié) 111
第5章創(chuàng)建自定義的新聞源 112
5．1 使用Pocket應用程序，創(chuàng)建一個監(jiān)督訓練的集合 112
5．1．1 安裝Pocket的Chrome
擴展程序 113
5．1．2 使用Pocket API來檢索
故事 114
5．2 使用embed．ly API下載故事的
內(nèi)容 119
5．3 自然語言處理基礎(chǔ) 120
5．4 支持向量機 123
5．5 IFTTT與文章源、Google表單
和電子郵件的集成 125
通過IFTTT設置新聞源
和Google表單 125
5．6 設置你的每日個性化
新聞簡報 133
5．7 小結(jié) 137
第6章預測你的內(nèi)容是否會廣為
流傳 138
6．1 關(guān)于病毒性，研究告訴我們了
些什么 139
6．2 獲取分享的數(shù)量和內(nèi)容 140
6．3 探索傳播性的特征 149
6．3．1 探索圖像數(shù)據(jù) 149
6．3．2 探索標題 152
6．3．3 探索故事的內(nèi)容 156
6．4 構(gòu)建內(nèi)容評分的預測模型 157
6．5 小結(jié) 162
第7章使用機器學習預測股票市場 163
7．1 市場分析的類型 164
7．2 關(guān)于股票市場，研究告訴
我們些什么 165
7．3 如何開發(fā)一個交易策略 166
7．3．1 延長我們的分析
周期 172
7．3．2 使用支持向量回歸，
構(gòu)建我們的模型 175
7．3．3 建模與動態(tài)時間扭曲 182
7．4 小結(jié) 186
第8章建立圖像相似度的引擎 187
8．1 圖像的機器學習 188
8．2 處理圖像 189
8．3 查找相似的圖像 191
8．4 了解深度學習 195
8．5 構(gòu)建圖像相似度的引擎 198
8．6 小結(jié) 206
第9章打造聊天機器人 207
9．1 圖靈測試 207
9．2聊天機器人的歷史 208
9．3 聊天機器人的設計 212
9．4 打造一個聊天機器人 217
9．5 小結(jié) 227
第10章構(gòu)建推薦引擎 228
10．1 協(xié)同過濾 229
10．1．1 基于用戶的過濾 230
10．1．2 基于項目的過濾 233
10．2 基于內(nèi)容的過濾 236
10．3 混合系統(tǒng) 237
10．4 構(gòu)建推薦引擎 238
10．5 小結(jié) 251