Python机器学习——数据建模与分析（第2版）

图书标准信息

• 作者 薛薇
• 出版社 电子工业出版社
• 出版时间 2023-07
• 版次 1
• ISBN 9787121459351
• 定价 99.00元
• 装帧 其他
• 开本 16开
• 页数 392页
• 字数 647千字

【内容简介】

本书将引领读者进入Python机器学习领域。机器学习是一套先进、深刻且内容丰富的算法集合，已成为数据科学中数据建模与分析的重要方法。Python是一款简明、高效且功能强大的开源工具，也是数据科学实践中最常用的计算机语言。学好机器学习的理论方法，掌握Python这个实用工具，是成长为数据科学人才所必需的。本书采用理论与实践相结合的方式，理论上突出可读性并兼具知识深度和广度，实践上强调可操作性并兼具应用广泛性，对机器学习的原理部分进行了深入透彻的讲解，对机器学习的算法部分给出了Python代码，并且在各章中设置了Python编程示例。全彩呈现机器学习的数据建模可视化图例（80多幅彩图），扫描书中相应二维码即可查看。提供配套数据集、源代码、教学PPT等学习资源，登录华信教育资源网（www.hxedu.com.cn）即可免费下载。本书可作为高等院校机器学习、数据分析等专业课程的教材，也可作为数据科学应用研究者及对Python机器学习感兴趣的数据建模与分析从业者的参考书。

【作者简介】

薛薇，工学硕士，经济学博士，中国人民大学应用统计学科研究中心副主任，中国人民大学统计学院副教授。主要研究领域：机器学习和文本挖掘、复杂网络建模等。关注统计和数据挖掘算法及软件应用。涉足企业客户终身价值测算，基于文本挖掘的热点事件主题提取和分类，金融、贸易等复杂网络动态建模等方面。主要代表性教材：《SPSS统计分析方法及应用》《R语言数据挖掘方法及应用》《R语言：大数据分析中的统计方法及应用》《SPSS Modeler数据挖掘方法及应用》《数据科学概论——从概念到应用》《Python机器学习——数据建模与分析》等。

【目录】

目    录

第1章  机器学习概述1

1.1  机器学习的发展：人工智能中的机器学习1

1.1.1  符号主义人工智能2

1.1.2  基于机器学习的人工智能2

1.2  机器学习的核心：数据和数据建模4

1.2.1  机器学习的对象：数据集4

1.2.2  机器学习的任务：数据建模6

1.3  机器学习的典型应用11

1.3.1  机器学习的典型行业应用11

1.3.2  机器学习在客户细分中的应用12

1.3.3  机器学习在客户流失分析中的应用13

1.3.4  机器学习在营销响应分析中的应用14

1.3.5  机器学习在交叉销售中的应用15

1.3.6  机器学习在欺诈甄别中的应用16

本章总结16

本章习题16

第2章  Python机器学习基础17

2.1  Python：机器学习的首选工具17

2.2  Python的集成开发环境：Anaconda18

2.2.1  Anaconda的简介19

2.2.2  Anaconda Prompt的使用19

2.2.3  Spyder的使用20

2.2.4  Jupyter Notebook的使用22

2.3  Python第三方包的引用23

2.4  NumPy使用示例23

2.4.1  NumPy数组的创建和访问24

2.4.2  NumPy的计算功能26

2.5  Pandas使用示例28

2.5.1  Pandas的序列和索引28

2.5.2  Pandas的数据框29

2.5.3  Pandas的数据加工处理30

2.6  NumPy和Pandas的综合应用：空气质量监测数据的预处理和基本分析32

2.6.1  空气质量监测数据的预处理32

2.6.2  空气质量监测数据的基本分析34

2.7  Matplotlib的综合应用：空气质量监测数据的图形化展示37

2.7.1  AQI的时间序列变化特点37

2.7.2  AQI的分布特征及相关性分析38

本章总结40

本章相关函数列表40

本章习题47

第3章  数据预测与预测建模48

3.1  从线性回归模型说起49

3.1.1  线性回归模型的含义49

3.1.2  线性回归模型的几何理解50

3.1.3  线性回归模型的评价50

3.1.4  Python应用实践：PM2.5浓度预测51

3.2  认识线性分类模型56

3.2.1  线性分类模型的含义56

3.2.2  线性分类模型的几何理解58

3.2.3  线性分类模型的评价60

3.2.4  Python应用实践：空气质量等级预测62

3.3  从线性预测模型到非线性预测模型67

3.4  预测模型的参数估计68

3.4.1  损失函数与有监督学习68

3.4.2  参数搜索策略70

3.5  预测模型的选择72

3.5.1  泛化误差的估计72

3.5.2  Python模拟和启示：理解泛化误差75

3.5.3  预测模型过拟合问题78

3.5.4  模型选择：偏差和方差79

本章总结82

本章相关函数列表83

本章习题83

第4章  数据预测建模：贝叶斯分类器84

4.1  贝叶斯概率和贝叶斯法则84

4.1.1  贝叶斯概率84

4.1.2  贝叶斯法则85

4.2  朴素贝叶斯分类器85

4.2.1  从顾客行为分析角度看朴素贝叶斯分类器85

4.2.2  Python模拟和启示：认识朴素贝叶斯分类器的分类边界88

4.2.3  Python应用实践：空气质量等级预测91

4.3  朴素贝叶斯分类器在文本分类中的应用93

4.3.1  Python文本数据预处理：文本分词和量化计算94

4.3.2  Python文本描述性分析：词云图和文本相似性97

4.3.3  Python文本分析综合应用：裁判文书的要素提取99

4.4  贝叶斯参数估计简介*102

4.4.1  从科比投篮分析角度看贝叶斯参数估计的基本思想102

4.4.2  共轭先验分布103

4.4.3  Python应用实践：科比投篮命中率的研究106

本章总结108

本章相关函数列表108

本章习题109

第5章  数据预测建模：近邻分析110

5.1  近邻分析：K-近邻法110

5.1.1  距离：K-近邻法的近邻度量111

5.1.2  参数K：1-近邻法和K-近邻法112

5.2  回归预测中的K-近邻法113

5.2.1  Python模拟和启示：认识K-近邻回归线113

5.2.2  Python模拟和启示：认识K-近邻回归面115

5.3  分类预测中的K-近邻法117

5.3.1  基于1-近邻法和K-近邻法的分类117

5.3.2  Python模拟和启示：参数K和分类边界118

5.4  基于观测相似性的加权K-近邻法120

5.4.1  加权K-近邻法的权重121

5.4.2  Python模拟和启示：认识加权K-近邻分类边界123

5.5  K-近邻法的Python应用实践124

5.5.1  空气质量等级的预测124

5.5.2  国产电视剧大众评分的预测126

5.6  K-近邻法的适用性探讨*127

本章总结129

本章相关函数列表130

本章习题130

第6章  数据预测建模：决策树131

6.1  决策树的基本概念131

6.1.1  什么是决策树131

6.1.2  决策树的深层含义133

6.2  回归预测中的决策树134

6.2.1  决策树的回归面134

6.2.2  Python模拟和启示：树深度对回归面的影响135

6.3  分类预测中的决策树136

6.3.1  决策树的分类边界137

6.3.2  Python模拟和启示：树深度对分类边界的影响137

6.4  决策树的生长和剪枝139

6.4.1  决策树的生长140

6.4.2  决策树的剪枝141

6.5  经典决策树算法：CART142

6.5.1  CART的生长142

6.5.2  CART的后剪枝145

6.6  决策树的Python应用实践148

6.6.1  PM2.5浓度的预测148

6.6.2  空气质量等级的预测149

6.6.3  药物适用性研究151

6.7  决策树的高方差性*153

本章总结154

本章相关函数列表154

本章习题155

第7章  数据预测建模：集成学习156

7.1  集成学习概述156

7.1.1  高方差性问题的解决途径157

7.1.2  从弱模型到强模型的构建157

7.2  基于重抽样自举法的集成学习158

7.2.1  重抽样自举法158

7.2.2  袋装法的基本思想158

7.2.3  随机森林的基本思想160

7.2.4  Python应用实践：基于袋装法和随机森林预测PM2.5浓度162

7.3  从弱模型到强模型的构建：提升法165

7.3.1  提升法的基本思路165

7.3.2  Python模拟和启示：弱模型联合成为强模型166

7.3.3  分类预测中的提升法：AdaBoost.M1算法168

7.3.4  Python模拟和启示：认识AdaBoost.M1算法中高权重的样本观测171

7.3.5  回归预测中的提升法173

7.3.6  Python应用实践：基于AdaBoost预测PM2.5浓度174

7.3.7  提升法的推广算法*176

7.4  梯度提升决策树179

7.4.1  梯度提升算法179

7.4.2  梯度提升回归树183

7.4.3  Python模拟和启示：认识梯度提升回归树184

7.4.4  梯度提升分类树185

7.4.5  Python模拟和启示：认识梯度提升分类树186

7.5  XGBoost算法188

7.5.1  XGBoost算法的目标函数188

7.5.2  目标函数的近似表达189

7.5.3  决策树的求解190

7.5.4  Python应用实践：基于XGBoost算法预测空气质量等级191

本章总结194

本章相关函数列表194

本章习题195

第8章  数据预测建模：人工神经网络197

8.1  人工神经网络的基本概念198

8.1.1  人工神经网络的基本构成198

8.1.2  人工神经网络节点的功能199

8.2  感知机网络200

8.2.1  感知机网络中的节点200

8.2.2  感知机网络节点中的加法器201

8.2.3  感知机网络节点中的激活函数202

8.2.4  Python模拟和启示：认识激活函数203

8.2.5  感知机网络的权重训练206

8.3  多层感知机网络211

8.3.1  多层感知机网络的结构211

8.3.2  多层感知机网络中的隐藏节点213

8.3.3  Python模拟和启示：认识隐藏节点215

8.4  反向传播算法218

8.4.1  反向传播算法的基本思想218

8.4.2  局部梯度和连接权重更新218

8.5  多层神经网络的其他问题*220

8.6  人工神经网络的Python应用实践221

8.6.1  手写体邮政编码的识别221

8.6.2  PM2.5浓度的回归预测224

本章总结225

本章相关函数列表225

本章习题226

第9章  数据预测建模：支持向量机227

9.1  支持向量分类概述228

9.1.1  支持向量分类的基本思路228

9.1.2  支持向量分类的三种情况230

9.2  完全线性可分下的支持向量分类231

9.2.1  完全线性可分下的超平面231

9.2.2  参数求解和分类预测233

9.2.3  Python模拟和启示：认识支持向量236

9.3  广义线性可分下的支持向量分类238

9.3.1  广义线性可分下的超平面238

9.3.2  广义线性可分下的误差惩罚和目标函数239

9.3.3  Python模拟和启示：认识惩罚参数C240

9.3.4  参数求解和分类预测242

9.4  线性不可分下的支持向量分类243

9.4.1  线性不可分问题的一般解决方式243

9.4.2  支持向量分类克服维灾难的途径244

9.4.3  Python模拟和启示：认识核函数246

9.5  支持向量回归概述*249

9.5.1  支持向量回归的基本思路249

9.5.2  支持向量回归的目标函数和约束条件251

9.5.3  Python模拟和启示：认识参数? 253

9.6  支持向量机的Python应用实践：老人风险体位预警254

9.6.1  示例背景和数据说明255

9.6.2  Python实现255

本章总结260

本章相关函数列表260

本章习题260

第10章  特征选择：过滤、包裹和嵌入策略261

10.1  过滤策略下的特征选择262

10.1.1  低方差过滤法263

10.1.2  高相关过滤法中的方差分析264

10.1.3  高相关过滤法中的卡方检验268

10.1.4  Python应用实践：过滤策略下手写体邮政编码数字的特征选择270

10.1.5  其他高相关过滤法*272

10.2  包裹策略下的特征选择274

10.2.1  包裹策略的基本思路274

10.2.2  递归式特征剔除算法275

10.2.3  基于交叉验证的递归式特征剔除算法276

10.2.4  Python应用实践：包裹策略下手写体邮政编码数字