《实用机器学习》介绍了实用机器学习的工作流程，主要从实用角度进行了描述，没有数学公式和推导。本书涵盖了数据收集与处理、模型构建、评价和优化、特征的识别、提取和选择技术、高级特征工程、数据可视化技术以及模型的部署和安装，结合3个真实案例全面、详细地介绍了整个机器学习流程。后，还介绍了机器学习流程的扩展和大数据应用。
本书可以作为程序员、数据分析师、统计学家、数据科学家解决实际问题的参考书，也可以作为机器学习爱好者学习和应用的参考书，还可以作为非专业学生的机器学习入门参考书，以及专业学生的实践参考书。
目录
- 推荐序
- 作者序
- 致谢
- 译者序
- 关于本书
- 作者简介
- 关于封面插图
- 第1部分机器学习工作流程
- 第1章什么是机器学习
- 1.1理解机器学习
- 1.2使用数据进行决策
- 1.2.1传统方法
- 1.2.2机器学习方法
- 1.2.3机器学习的五大优势
- 1.2.4面临的挑战
- 1.3跟踪机器学习流程：从数据到部署
- 1.3.1数据集合和预处理
- 1.3.2数据构建模型
- 1.3.3模型性能评估
- 1.3.4模型性能优化
- 1.4提高模型性能的高级技巧
- 1.4.1数据预处理和特征工程
- 1.4.2用在线算法持续改进模型
- 1.4.3具有数据量和速度的规模化模型
- 1.5总结
- 1.6本章术语
- 第2章实用数据处理
- 2.1起步：数据收集
- 2.1.1应包含哪些特征
- 2.1.2如何获得目标变量的真实值
- 2.1.3需要多少训练数据
- 2.1.4训练集是否有足够的代表性
- 2.2数据预处理
- 2.2.1分类特征
- 2.2.2缺失数据处理
- 2.2.3简单特征工程
- 2.2.4数据规范化
- 2.3数据可视化
- 2.3.1马赛克图
- 2.3.2盒图
- 2.3.3密度图
- 2.3.4散点图
- 2.4总结
- 2.5本章术语
- 第3章建模和预测
- 3.1基础机器学习建模
- 3.1.1寻找输入和目标间的关系
- 3.1.2寻求好模型的目的
- 3.1.3建模方法类型
- 3.1.4有监督和无监督学习
- 3.2分类：把数据预测到桶中
- 3.2.1构建分类器并预测
- 3.2.2非线性数据与复杂分类
- 3.2.3多类别分类
- 3.3回归：预测数值型数据
- 3.3.1构建回归器并预测
- 3.3.2对复杂的非线性数据进行回归
- 3.4总结
- 3.5本章术语
- 第4章模型评估与优化
- 4.1模型泛化：评估新数据的预测准确性
- 4.1.1问题：过度拟合与乐观模型
- 4.1.2解决方案：交叉验证
- 4.1.3交叉验证的注意事项
- 4.2分类模型评估
- 4.2.1分类精度和混淆矩阵
- 4.2.2准确度权衡与ROC曲线
- 4.2.3多类别分类
- 4.3回归模型评估
- 4.3.1使用简单回归性能指标
- 4.3.2检验残差
- 4.4参数调整优化模型
- 4.4.1机器学习算法和它们的调整参数
- 4.4.2网格搜索
- 4.5总结
- 4.6本章术语
- 第5章基础特征工程
- 5.1动机：为什么特征工程很有用
- 5.1.1什么是特征工程
- 5.1.2使用特征工程的5个原因
- 5.1.3特征工程与领域专业知识
- 5.2基本特征工程过程
- 5.2.1实例：事件推荐
- 5.2.2处理日期和时间特征
- 5.2.3处理简单文本特征
- 5.3特征选择
- 5.3.1前向选择和反向消除
- 5.3.2数据探索的特征选择
- 5.3.3实用特征选择实例
- 5.4总结
- 5.5本章术语
- 第2部分实 际 应 用
- 第6章案例：NYC出租车数据
- 6.1数据：NYC出租车旅程和收费信息
- 6.1.1数据可视化
- 6.1.2定义问题并准备数据
- 6.2建模
- 6.2.1基本线性模型
- 6.2.2非线性分类器
- 6.2.3包含分类特征
- 6.2.4包含日期-时间特征
- 6.2.5模型的启示
- 6.3总结
- 6.4本章术语
- 第7章高级特征工程
- 7.1高级文本特征
- 7.1.1词袋模型
- 7.1.2主题建模
- 7.1.3内容拓展
- 7.2图像特征
- 7.2.1简单图像特征
- 7.2.2提取物体和形状
- 7.3时间序列特征
- 7.3.1时间序列数据的类型
- 7.3.2时间序列数据的预测
- 7.3.3经典时间序列特征
- 7.3.4事件流的特征工程
- 7.4总结
- 7.5本章术语
- 第8章NLP高级案例：电影评论情感预测
- 8.1研究数据和应用场景
- 8.1.1数据集初探
- 8.1.2检查数据
- 8.1.3应用场景有哪些
- 8.2提取基本NLP特征并构建初始模型
- 8.2.1词袋特征
- 8.2.2用朴素贝叶斯算法构建模型
- 8.2.3tf-idf算法规范词袋特征
- 8.2.4优化模型参数
- 8.3高级算法和模型部署的考虑
- 8.3.1word2vec特征
- 8.3.2随机森林模型
- 8.4总结
- 8.5本章术语
- 第9章扩展机器学习流程
- 9.1扩展前需考虑的问题
- 9.1.1识别关键点
- 9.1.2选取训练数据子样本代替扩展性
- 9.1.3可扩展的数据管理系统
- 9.2机器学习建模流程扩展
- 9.3预测扩展
- 9.3.1预测容量扩展
- 9.3.2预测速度扩展
- 9.4总结
- 9.5本章术语
- 第10章案例：数字显示广告
- 10.1显示广告
- 10.2数字广告数据
- 10.3特征工程和建模策略
- 10.4数据大小和形状
- 10.5奇异值分解
- 10.6资源估计和优化
- 10.7建模
- 10.8K近邻算法
- 10.9随机森林算法
- 10.10其他实用考虑
- 10.11总结
- 10.12本章术语
- 10.13摘要和结论
- 附录常用机器学习算法
- 名词术语中英文对照
