Python机器学习及实践从零开始通往Kaggle竞赛之路

Python机器学习及实践从零开始通往Kaggle竞赛之路是一本由pyhthon业内专家联合推荐的一部关于机器学习的入门图书，由范淼和李超共同编著。本书专为对机器学习、数据挖掘感兴趣的读者整合了时下流行的基于Python语言的程序库。如Scikit-learn，Pandas, NLTK，Gensim, XGBoost，TensorFlow等，并且针对现实中遇到的数据，甚至是Kaggle竞赛中的分析任务，快速搭建有效的机器学习系统。

同时，为了更读者更好的理解本书，对编程技能、数学背景的过分依赖，进而降低机器学习模型的实践门槛，让更多的爱好者体会到使用经典模型以及最新的高效方法解决实际问题的乐趣。全书深入浅出，特别是有意了解机器学习，又不想被复要的数学理论困扰的读者，可从此书中获益。

内容介绍

《Python机器学习及实践：从零开始通往Kaggle竞赛之路》面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者，从零开始，以Python编程语言为基础，在不涉及大量数学模型与复杂编程知识的前提下，逐步带领读者熟悉并且掌握当下流行的机器学习、数据挖掘与自然语言处理工具，如Scikit-learn、NLTK、Pandas、gensim、XGBoost、Google Tensorflow等。

《Python机器学习及实践：从零开始通往Kaggle竞赛之路》共分4章。第1章简介篇，介绍机器学习概念与Python编程知识；第2章基础篇，讲述如何使用Scikit-learn作为基础机器学习工具；第3章进阶篇，涉及怎样借助高级技术或者模型进一步提升既有机器学习系统的性能；第4章竞赛篇，以Kaggle平台为对象，帮助读者一步步使用本书介绍过的模型和技巧，完成三项具有代表性的竞赛任务。

章节目录

第1章 简介篇
1.1机器学习综述
1.1.1任务
1.1.2经验
1.1.3性能
1.2Python编程库
1.2.1为什么使?
1.2.2Python机器学习的优势
1.2.3NumPy&SciPy
1.2.4Matplotlib
1.2.5Scikit-learn
1.2.6
1.2.7An
1.3Python环境配置
1.3.1Windows系统环境
1.3.2MacOS系统环境
1.4Python编程基础
1.4.1Python基本语法
1.4.2Python数据类型
1.4.3Python数据运算
1.4.4Python流程控制
1.4.5Python函数（模块）设计
1.4.6Python编程库（包）的导入
1.4.7Python基础综合实践
1.5章末小结
第2章基础篇
2.1监督学习经典模型
2.1.1分类学习
2.1.1.1线性分类器
2.1.1.2支持向量机（分类）
2.1.1.3朴素贝叶斯
2.1.1.4K近邻（分类）
2.1.1.5决策树
2.1.1.6集成模型（分类）
2.1.2回归预测
2.1.2.1线性回归器
2.1.2.2支持向量机（回归）
2.1.2.3K近邻（回归）
2.1.2.4回归树
2.1.2.5集成模型（回归）
2.2无监督学习经典模型
2.2.1数据聚类
2.2.1.1K均值算法
2.2.2特征降维
2.2.2.1主成分分析
2.3章末小结
第3章进阶篇
3.1模型实用技巧
3.1.1特征提升
3.1.2模型正则化
3.1.3模型检验
3.1.4超参数搜索
3.2流行库/模型实践
3.2.1自然语言处理包（NLTK）
3.2.2词向量（Word2Vec）技术
3.2.3XGBoost模型
3.2.4Tensorflow框架
3.3章末小结
第4章实战篇
4.1Kaggle平台简介
4.2Titanic罹难乘客预测
4.3IMDB影评得分估计
4.4MNIST手写体数字图片识别
4.5章末小结
后记
参考文献

使用说明

1、下载并解压，得出pdf文件

2、如果打不开本文件，请务必下载pdf阅读器

3、安装后，在打开解压得出的pdf文件

4、双击进行阅读