机器学习：Python实践-绘画摄影-文化科教-太极之巅书单号

书刊介绍

《机器学习：Python实践》内容简介

本书系统地讲解了机器学习的基本知识，以及在实际项目中使用机器学习的基本步骤和方法；详细地介绍了在进行数据处理、分析时怎样选择合适的算法，以及建立模型并优化等方法，通过不同的例子展示了机器学习在具体项目中的应用和实践经验，是一本非常好的机器学习入门和实践的书籍。
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。读者通过对本书的学习，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。本书非常适合于项目经理、有意从事机器学习开发的程序员，以及高校相关专业在的读学生阅读。
魏贞原，IBM高级项目经理，主要负责银行客户的复杂系统开发。同时是IBMCIC量子计算COE团队的Python领域专家（Subject Matter Expert），负责量：子计算应用的探索工作，对机器学习和深度学习有深入的研究，精通于运用机器学习来解决数据科学的问题。并运营“知之Python”公众号，定期分享Python在机器学习和深度学习中的实践知识。

作品目录

作者介绍
序言
前言
第一部分
初始
1、初识机器学习
2、Python机器学习的生态圈
3、第一个机器学习项目
4、Python和SciPy速成
第二部分
数据理解
5、数据导入
6、数据理解
7、数据可视化
第三部分
数据准备
8、数据预处理
9、数据特征选定
第四部分
选择模型
10、评估算法
11、算法评估矩阵
12、审查分类算法
13、审查回归算法
14、算法比较
15、自动流程
第五部分
优化模型
16、集成算法
17、算法调参
第六部分
结果部署
18、持久化加载模型
第七部分
项目实践
19、预测模型项目模板
20、回归项目实例
21、二分类实例
22、文本分类实例
附录A
A.1、IDE
PyCharm介绍
A.2、Python文档
A.3、SciPy、NumPy、Matplotlib和Pandas文档
A.4、树模型可视化
A.5、scikit-learn的算法选择路径
A.6、聚类分析