机器学习——Python实践

本书是面向入门与实践的机器学习读物，作者魏贞原结合自身在IBM负责复杂系统开发的工程经验，以Python和scikit-learn为主要工具，系统梳理从拿到数据到交付模型的完整工作流程。全书按“初始—数据理解—数据准备—选择模型—优化模型—结果部署—项目实践”的顺序展开：先介绍机器学习的常见误区、学习原则与Python机器学习生态（SciPy、scikit-learn及环境安装），再用一个“Hello World”式项目演示导入数据、描述统计、可视化、评估算法与实施预测的全过程。随后讲解NumPy/Pandas导入数据、数据理解与图表呈现，数据预处理（格式化、缩放、正态化、标准化、二值化）与特征选定（单变量筛选、递归特征消除、主成分分析、特征重要性），评估算法与分类/回归评估矩阵，审查分类与回归算法并进行算法比较和自动流程，再进入集成算法、算法调参、模型持久化与加载。最后的项目实践部分给出预测模型项目模板，以及回归、二分类、文本分类三个完整实例。全书强调“简单、快速建立模型，解决实际项目问题”，代码示例可直接迁移复用，是一本上手快、偏工程实践的机器学习入门书。