1　機(jī)器學(xué)習(xí) 1
1.1　機(jī)器學(xué)習(xí)和人工智能 2
1.2　機(jī)器學(xué)習(xí)和大數(shù)據(jù) 4
1.3　機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘 6
1.4　機(jī)器學(xué)習(xí)分類(lèi)和應(yīng)用 7
1.5　機(jī)器學(xué)習(xí)開(kāi)發(fā)步驟 10
1.5.1　數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程 10
1.5.2　機(jī)器學(xué)習(xí)開(kāi)發(fā)步驟 15
本章小結(jié) 18

2　Scikit-learn預(yù)備知識(shí) 20
2.1　NumPy 21
2.1.1　NumPy數(shù)組概念 23
2.1.2　NumPy數(shù)據(jù)類(lèi)型 24
2.1.3　NumPy數(shù)組創(chuàng)建 26
2.1.4　NumPy數(shù)組操作 37
2.1.5　NumPy隨機(jī)數(shù) 51
2.1.6　NumPy輸入輸出 57
2.1.7　NumPy矩陣 58
2.1.8　NumPy線性代數(shù) 59
2.1.9　NumPy常數(shù) 63
2.2　Pandas 63
2.2.1　Pandas數(shù)據(jù)結(jié)構(gòu) 64
2.2.2　Pandas頂層函數(shù) 114
2.2.3　Pandas應(yīng)用舉例 115
2.3　SciPy庫(kù) 122
2.3.1　SciPy庫(kù)基礎(chǔ)知識(shí) 123
2.3.2　稀疏矩陣及其處理 124
2.3.3　SciPy庫(kù)應(yīng)用舉例 138
2.4　Matplotlib 144
2.4.1　Matplotlib基礎(chǔ)知識(shí) 145
2.4.2　Matplotlib應(yīng)用舉例 149
本章小結(jié) 161

3　Scikit-learn基礎(chǔ)應(yīng)用 163
3.1　機(jī)器學(xué)習(xí)的算法和模型 164
3.1.1　特征變量和目標(biāo)變量 165
3.1.2　算法訓(xùn)練 166
3.1.3　過(guò)擬合和欠擬合 174
3.1.4　模型性能度量 175
3.2　模型選擇 180
3.3　Scikit-learn的功能模塊 180
3.4　Scikit-learn 應(yīng)用 182
3.4.1　安裝Scikit-learn 182
3.4.2　數(shù)據(jù)導(dǎo)入 183
3.4.3　模型持久化 185
3.4.4　文本數(shù)據(jù)處理 186
3.4.5　隨機(jī)狀態(tài)控制 187
3.4.6　分類(lèi)型變量處理 187
3.4.7　Pandas數(shù)據(jù)框處理 188
3.4.8　輸入輸出約定 188
3.5　應(yīng)用實(shí)例 191
本章小結(jié) 193

4　Scikit-learn數(shù)據(jù)變換 195
4.1　概念介紹 196
4.1.1　評(píng)估器（estimator） 196
4.1.2　轉(zhuǎn)換器（transformer） 197
4.1.3　管道（pipeline） 198
4.2　數(shù)據(jù)預(yù)處理 199
4.2.1　數(shù)據(jù)標(biāo)準(zhǔn)化 201
4.2.2　數(shù)據(jù)非線性轉(zhuǎn)換 223
4.2.3　數(shù)據(jù)歸一化 232
4.2.4　分類(lèi)型特征變量編碼 237
4.2.5　數(shù)據(jù)離散化 245
4.2.6　特征組合 251
4.3　缺失值處理 254
4.3.1　單變量插補(bǔ) 255
4.3.2　多變量插補(bǔ) 258
4.3.3　最近鄰插補(bǔ) 262
4.3.4　標(biāo)記插補(bǔ)缺失值 264
4.4　目標(biāo)變量預(yù)處理 268
4.4.1　多類(lèi)別分類(lèi)標(biāo)簽二值化 268
4.4.2　多標(biāo)簽分類(lèi)標(biāo)簽二值化 273
4.4.3　目標(biāo)變量標(biāo)簽編碼 276
本章小結(jié) 279

5　Scikit-learn特征抽取和降維 281
5.1　特征抽取 282
5.1.1　字典列表對(duì)象向量化 283
5.1.2　特征哈希 286
5.1.3　文本特征抽取 291
5.1.4　圖像特征抽取 316
5.2　特征降維 320
5.2.1　主成分分析 321
5.2.2　特征聚合 326
5.2.3　隨機(jī)投影 330
本章小結(jié) 340

附錄 342
1. 互操作和框架增強(qiáng)包 343
2. 評(píng)估器和任務(wù)擴(kuò)展包 344
3. 統(tǒng)計(jì)知識(shí)擴(kuò)展包 347
4. 推薦引擎擴(kuò)展包 347
5. 特定領(lǐng)域的擴(kuò)展包 347