Python Machine Learning By Example

This book is for anyone interested in entering the data science stream with machine learning. Basic familiarity with Python is assumed.

这是一本以Python语言为工具，以机器学习为核心内容的书籍。本书通过具体的案例，让读者了解机器学习的原理，掌握机器学习的方法，并且能够运用这些方法解决实际问题。 本书首先介绍了机器学习的基本概念，包括监督学习、无监督学习和强化学习等，并详细解释了机器学习中的泛化，即模型在训练过程中学习到的知识，能够应用到与训练数据相似的新数据上的能力。此外，本书还介绍了数据清洗与探索的重要性，包括如何处理缺失值，如何进行数据可视化，如何进行特征工程等。 在机器学习的应用方面，本书详细讲解了朴素贝叶斯分类器原理，决策树的基本概念和特点，以及如何使用混淆矩阵来评估分类器的性能。此外，本书还介绍了精准度、召回率和F1分数的含义，以及如何使用这些指标来评估分类器的性能。 在模型训练和评估方面，本书详细介绍了模型调优的目的和方法，包括如何使用k折交叉验证技术来评估模型性能，如何使用ROC曲线下面积(AUC) 来测量模型性能，以及如何通过调整模型参数和选择合适的模型来提高模型性能。