Python机器学习手册：从数据预处理到深度学习

v

序

在过去的几年中，机器学习已经渗透到企业、非营利组织和政府的日常运作中。随着机

器学习热度的增加，在对机器学习从业者的指导方面，涌现出一批高质量的文献。这些

文献培养了整整一代的数据科学家和机器学习工程师。这些文献提供了学习资源，为人

们讲解机器学习是什么及其工作原理。尽管这种方法富有成效，但却遗漏了一部分内容：

机器学习日常开发中的细节。这就是笔者写本书的动机——本书不是写给学生读者学习

机器学习理论的大部头，而是写给专业人士的“扳手型”工具书。我希望你把它放在书

桌上，把你感兴趣的某些页折起来，在日常开发中需要解决实际问题时就拿过来翻一翻。

更具体地说，本书采用基于任务的方式来介绍机器学习，有近

200

个独立的解决方案（你

可以复制并粘贴这些代码，它们都是可以正常运行的），针对的都是数据科学家或机器

学习工程师在构建模型时可能遇到的常见任务。

本书的最终目标是成为人们在构建真实的机器学习系统时的参考书。例如，假设你有一

个

JSON

文件，其中包含

1000

个数据分类特征和数值型特征，并且目标向量的分类不均

衡，你想得到一个可解释的模型，那么使用本书提供的解决方案可以帮助你解决如下问

题：

y

加载

JSON

文件（

2.5

节）

y

对特征进行标准化（

4.2

节）

y

对特征字典编码（

5.3

节）

y

填充缺失的分类值（

5.4

节）

y

使用主成分进行特征降维（

9.1

节）

y

使用随机搜索选择最佳模型（

12.2

节）

y

训练随机森林分类器（

14.4

节）

y

选择随机森林中的重要特征（

14.7

节）

vi

｜

序

本书的目标是让你 ：

1