Python機器學習實踐指南

第1章 Python機器學習的生態系統
1.1 數據科學/機器學習的工作流程
1.1.1 獲取
1.1.2 檢查和探索
1.1.3 清理和准備
1.1.4 建模
1.1.5 評估
1.1.6 部署
1.2 Python庫和功能
1.2.1 獲取
1.2.2 檢查
1.2.3 准備
1.2.4 建模和評估
1.2.5 部署
1.3 設置機器學習的環境
1.4 小結

第2章 構建應用程序，發現低價的公寓
2.1 獲取公寓房源數據使用import.io抓取房源數據
2.2 檢查和准備數據
2.2.1 分析數據
2.2.2 可視化數據
2.3 對數據建模
2.3.1 預測
2.3.2 擴展模型
2.4 小結

第3章 構建應用程序，發現低價的機票
3.1 獲取機票價格數據
3.2 使用高級的網絡爬蟲技術檢索票價數據
3.3 解析DOM以提取定價數據通過聚類技術識別異常的票價
3.4 使用IFTTT發送實時提醒
3.5 整合在一起
3.6 小結

第4章 使用邏輯回歸預測IPO市場
4.1 IPO市場
4.1.1 什麼是
4.1.2 近期IPO市場表現
4.1.3 基本的IPO策略
4.2 特征工程
4.3 二元分類
4.4 特征的重要性
4.5 小結

第5章 創建自定義的新聞源
5.1 使用Pocket應用程序，創建一個監督訓練的集合
5.1.1 安裝Pocket的擴展程序
5.1.2 使用Pocket API來檢索故事
5.2 使用embed.ly API下載故事的內容
5.3 自然語言處理基礎
5.4 支持向量機
5.5 IFTTT與文章源、Google表單和電子郵件的集成通過IFTTT設置新聞源和Google表單
5.6 設置你的每日個性化新聞簡報
5.7 小結

第6章 預測你的內容是否會廣為流傳
6.1 關於病毒性，研究告訴我們了些什麼
6.2 獲取分享的數量和內容
6.3 探索傳播性的特征
6.3.1 探索圖像數據
6.3.2 探索標題
6.3.3 探索故事的內容
6.4 構建內容評分的預測模型
6.5 小結

第7章 使用機器學習預測股票市場
7.1 市場分析的類型
7.2 關於股票市場，研究告訴我們些什麼
7.3 如何開發一個交易策略
7.3.1 延長我們的分析周期
7.3.2 使用支持向量回歸，構建我們的模型
7.3.3 建模與動態時間扭曲
7.4 小結

第8章 建立圖像相似度的引擎
8.1 圖像的機器學習
8.2 處理圖像
8.3 查找相似的圖像
8.4 了解深度學習
8.5 構建圖像相似度的引擎
8.6 小結

第9章 打造聊天機器人
9.1 圖靈測試
9.2 聊天機器人的歷史
9.3 聊天機器人的設計
9.4 打造一個聊天機器人
9.5 小結

第10章 構建推薦引擎
10.1 協同過濾
10.1.1 基於用戶的過濾
10.1.2 基於項目的過濾
10.2 基於內容的過濾
10.3 混合系統
10.4 構建推薦引擎
10.5 小結