Python机器学习实践：测试驱动的开发方法
作者：（美）,马修·柯克
出版社：机械工业出版社
出版时间：2017-11-01
ISBN：9787111581666
定价：¥59.00
前言 1
\n第1章 5
\n可能近似正确的软件 5
\n正确地编写软件 6
\n编写正确的软件 10
\n本书计划 16
\n第2章 快速介绍机器学习 18
\n什么是机器学习 18
\n有监督学习 18
\n无监督学习 19
\n强化学习 20
\n机器学习能完成什么 20
\n本书中使用的数学符号 21
\n结论 22
\n第3章 K最近邻算法 23
\n如何确定是否想购买一栋房子 23
\n房子的价格究竟几何 24
\n愉悦回归 24
\n什么是邻域 25
\nK最近邻算法简介 26
\nK先生最近的邻居 26
\n距离 27
\n维度灾难 33
\n如何选择K 34
\n给西雅图的房子估价 37
\n结论 43
\n第4章 朴素贝叶斯分类 44
\n通过贝叶斯定理来发现欺诈订单 44
\n条件概率 45
\n概率符号 45
\n反向条件概率（又名贝叶斯定理） 47
\n朴素贝叶斯分类器 47
\n贝叶斯推理之朴素 48
\n伪计数 49
\n垃圾邮件过滤器 50
\n标记化和上下文 55
\n结论 67
\n第5章 决策树和随机森林 68
\n蘑菇的细微差别 69
\n使用民间定理实现蘑菇分类 70
\n找到最佳切换点 71
\n修剪树 74
\n结论 83
\n第6章 隐马尔可夫模型 84
\n使用状态机来跟踪用户行为 84
\n输出/观测隐含状态 86
\n使用马尔可夫假设化简 87
\n隐马尔可夫模型 88
\n评估: 前向-后向算法 89
\n通过维特比算法解码 93
\n学习问题 94
\n词性标注与布朗语库 94
\n结论 105
\n第7章 支持向量机 106
\n客户满意度作为语言的函数 107
\nSVM背后的理论 108
\n情绪分析器 113
\n聚合情绪 124
\n将情绪映射到底线 126
\n结论 127
\n第8章 神经网络 128
\n什么是神经网络 129
\n神经网络史 129
\n布尔逻辑 129
\n感知器 130
\n如何构建前馈神经网络 130
\n构建神经网络 144
\n使用神经网络来对语言分类 145
\n结论 154
\n第9章 聚类 155
\n无任何偏差的研究数据 155
\n用户群组 156
\n测试群集映射 157
\nK均值聚类 159
\n最大期望（EM）聚类 161
\n不可能性定理 163
\n案例：音乐归类 164
\n结论 174
\n第10章 模型改进与数据提取 175
\n辩论俱乐部 175
\n选择更好的数据 176
\n最小冗余最大相关性的特征选择 181
\n特征变换与矩阵分解 183
\n结论 189
\n第11章 将这些方法融合在一起：结论 191
\n机器学习算法回顾 191
\n如何使用这些信息来解决问题 193
\n下一步做什么 193
