【书籍分享 • 第二期】机器学习图解

一、内容简介

阅读本书，即使读者仅掌握高中数学知识，也能理解和应用强大的机器学习技术！简单来讲，机器学习是一套以算法为基础的数据分析技术，当你提供更多数据时，算法可反馈更好的结果。ML支持许多尖端技术，如推荐系统、面部识别软件、智能扬声器，甚至包括自动驾驶汽车。本书不落窠臼，示例丰富，精选的练习十分有趣，插图清晰，讲解机器学习的核心概念。

《机器学习图解》以简明易懂的方式介绍机器学习的算法和技术。本书不谈深奥的术语，只通过基本代数知识提供清晰的解释。你将使用Python构建有趣的项目，包括垃圾邮件检测和图像识别模型；还将学习一些实用技能，以清理和准备数据。例如：

• 分类和划分数据的监督算法

• 清理和简化数据的方法

• 机器学习包和工具

• 复杂数据集的神经网络和集成方法

小Tips：读者阅读本书前，**了解Python基础知识，不必了解机器学习知识。

二、作者简介

Luis G. Serrano是量子人工智能领域的研究科学家。此前，他曾担任Google机器学习工程师和Apple公司首席人工智能教师。

三、前言

本书教你两件事：机器学习模型及其使用方法。机器学习模型有不同的类型。有些返回确定性的答案，例如是或否，而另一些返回概率性的答案。有些以问题的形式呈现；其他则使用假设性表达。这些类型的一个共同点是它们都返回一个答案或一个预测。比如，返回预测的模型的机器学习分支被命名为预测机器学习(predictivemachine learning)。这就是我们在本书中关注的机器学习类型。

3.1 本书的组织形式以及章节分类

本书的组织方式为路线图章节类型。本书的章节分为两种类型。大多数章节(第3、5、6、8、9、10、11 和12 章)都包含某一类型的机器学习模型。每章的模型都有相应的例子、公式、代码和习题供你进行仔细学习。其他章节(第4、7 和13 章)包含用于训练、评估和改进机器学习模型的实用技术。值得注意的是，第13 章包含一个真实数据集的端到端示例，你将能够在第13 章中应用前几章中学到的知识。

3.2 本书推荐的“食用方法”

推荐的学习路径可以通过两种方式使用本书。我推荐逐章线性浏览，这样你会发现，交替进行模型学习和训练模型技术学习是有益的。但是，还有另一种学习路径，即先学习所有模型(第3、5、6、8、9、10、11 和12 章)，然后学习训练模型的技术(第4、7 和13 章)。当然，每个人的学习方式有所不同，也可以创建自己的学习路径！

3.3 附录介绍

本书共有3 个附录，读者可扫封底二维码下载。附录A 包含每章练习的解答。附录 B 包含一些正式的数学推导，这些数学推导非常有用，但比本书的其余部分更具技术性。如果你想进一步深化理解，附录C 包含我推荐的参考资料和资源列表。

3.4 本书适合人群

学习要求和学习目标本书提供了一个可靠的预测性机器学习框架。为从本书中获得最大收益，你应该具有视觉思维，还应该掌握基础数学知识，如直线、公式和基本概率图。如果你知道如何编程，尤其是Python 编程，将会很有帮助(尽管不是硬性要求)，因为你有机会在整本书的真实数据集中实现和应用多个模型。

3.5 读完本书后的收获

• 掌握描述预测性机器学习中最重要的模型及其工作原理，包括线性回归、逻辑回归、朴素贝叶斯、决策树、神经网络、支持向量机和集成方法。

• 确定这些模型的优缺点以及使用的参数。

• 确定这些模型在现实世界中的使用方式，并发现潜在方法，将机器学习应用于你想要解决的任何特定问题上。

• 了解如何优化、比较并改进这些模型，以构建最佳机器学习模型。

• 手动编程或使用现有安装包进行编程，并用它们对真实数据集进行预测。

如果你有一个特定的数据集或想要解决某一特定问题，我建议你思考如何将你在本书中学到的知识应用到这一数据集上，或用所学的知识解决问题，并以此为起点实现和实验自己的模型。

3.6 其他资源

本书内容完整，足以自给自足。这意味着除了前面描述的要求之外，本书还介绍了我们需要的每个概念。本书提供了许多参考资料，如果你想更深入地了解这些概念，或者探索更多主题，建议你查看这些参考资料。参考资料都在附录 C 中。可扫封底二维码，下载其中的Resource 文件；该文件中列出了作者提供的一些资源的链接以及YouTube 频道。还可下载第9 章的几幅彩图。

本书使用Python 编写代码，但是，如果你的计划是在没有代码的情况下学习概念，也仍然可以忽略代码而继续学习本书。尽管如此，还是建议你至少看一下代码，以便熟悉本书。

本书附带了一个代码库，大多数章节都会让你有机会从头开始编写算法代码，或者使用一些非常流行的Python 包构建适合给定数据集的模型。请参见可下载的Resource 文件中的说明。本书主要使用的Python 包如下。

• NumPy：用于存储数组和执行复杂的数学计算

• Pandas：用于存储、操作和分析大型数据集

• Matplotlib：用于绘制数据

• Turi Create：用于存储和操作数据以及训练机器学习模型

• Scikit-Learn：用于训练机器学习模型

• Keras (TensorFlow)：用于训练神经网络

3.7 关于代码

代码清单中的代码都被格式化为固定宽度的字体，以将其与普通文本分开。有时，代码也会以粗体显示，以突出显示与本章先前步骤不同的代码，例如将新功能添加到现有代码行时。许多情况下，初始源代码已被重新格式化；我们添加了换行符，并重新进行缩进，以适应书中可用的页面空间。可扫封底二维码下载本书的示例代码。

四、本书目录

第一章：什么是机器学习？这是一种常识，唯一特别之处在于由计算机完成

• 1.1：我是否需要掌握大量的数学和编程背景知识才能理解机器学习

• 1.2：机器学习究竟是什么

• 1.3：如何让机器根据数据做出决策？记忆-制定-预测框架

• 1.4：本章小结

第二章：机器学习类型

• 2.1：标签数据和无标签数据的区别

• 2.2：监督学习：处理标签数据的机器学习分支

• 2.3：无监督学习：处理无标签数据的机器学习分支

• 2.4：什么是强化学习

• 2.5：本章小结

• 2.6：练习

第三章：在点附近画一条线：线性回归

• 3.1：问题：预测房屋的价格

• 3.2：解决方案：建立房价回归模型

• 3.3：如何让计算机绘制出这条线：线性回归算法

• 3.4：如何衡量结果？误差函数

• 3.5：实际应用：使用Turi Create预测房价

• 3.6：如果数据不在一行怎么办？多项式回归

• 3.7：参数和超参数

• 3.8：回归应用

• 3.9：本章小结

• 3.10：练习

第四章：优化训练过程：欠拟合、过拟合、测试和正则化

• 4.1：使用多项式回归的欠拟合和过拟合示例

• 4.2：如何让计算机选择正确的模型？测试

• 4.3：我们在哪里打破了黄金法则，如何解决呢？验证集

• 4.4：种决定模型复杂度的数值方法：模型复杂度图

• 4.5：避免过拟合的另一种选择：正则化

• 4.6：使用Turi Create 进行多项式回归、测试和正则化

• 4.7：本章小结

• 4.8：练习

第五章：使用线来划分点: 感知器算法

• 5.1：问题：我们在一个外星球上，听不懂外星人的语言

• 5.2：如何确定分类器的好坏？误差函数

• 5.3：如何找到一个好的分类器？感知器算法

• 5.4：感知器算法编程实现

• 5.5：感知器算法的应用

• 5.6：本章小结

• 5.7：练习

第六章：划分点的连续方法：逻辑分类器

• 6.1：逻辑分类器：连续版感知器分类器

• 6.2：如何找到一个好的逻辑分类器？逻辑回归算法

• 6.3：对逻辑回归算法进行编程

• 6.4：实际应用：使用Turi Create对IMDB 评论进行分类

• 6.5：多分类：softmax 函数

• 6.6：本章小结

• 6.7：练习

第七章：如何衡量分类模型？准确率和其他相关概念

• 7.1：准确率：模型的正确频率是多少

• 7.2：如何解决准确率问题？定义不同类型的误差以及如何进行衡量

• 7.3：一个有用的模型评价工具 ROC 曲线

• 7.4：本章小结

• 7.5：练习

第八章：使用概率最大化：朴素贝叶斯模型

• 8.1：生病还是健康？以贝叶斯定理为主角的故事

• 8.2：用例：垃圾邮件检测模型

• 8.3：使用真实数据构建垃圾邮件检测模型

• 8.4：本章小结

• 8.5：练习

第九章：通过提问划分数据：决策树

• 9.1：问题：需要根据用户可能下载的内容向用户推荐应用

• 9.2：解决方案：构建应用推荐系统

• 9.3：超出“是”或“否”之类的问题

• 9.4：决策树的图形边界

• 9.5：实际应用：使用Scikit-Learn 构建招生模型

• 9.6：用于回归的决策树

• 9.7：应用

• 9.8：本章小结

• 9.9：练习

第十章：组合积木以获得更多力量：神经网络

• 10.1：以更复杂的外星球为例，开启神经网络学习

• 10.2：训练神经网络

• 10.3：Keras 中的神经网络编程

• 10.4：用于回归的神经网络

• 10.5：用于更复杂数据集的其他架构

• 10.6：本章小结

• 10.7：练习

第十一章：用风格寻找界限：支持向量机和内核方法

• 11.1：使用新的误差函数构建更好的分类器

• 11.2：Scikit-Learn 中的SVM编程

• 11.3：训练非线性边界的SVM：内核方法

• 11.4：本章小结

• 11.5：练习

第十二章：组合模型以最大化结果：集成学习

• 12.1：获取朋友的帮助

• 12.2：bagging：随机组合弱学习器以构建强学习器

• 12.3：AdaBoost：以智能方式组合弱学习器以构建强学习器

• 12.4：梯度提升：使用决策树构建强学习器

• 12.5：XGBoost：一种梯度提升的极端方法

• 12.6：集成方法的应用

• 12.7：本章小结

• 12.8：练习

第十三章：理论付诸实践：数据工程和机器学习真实示例

• 13.1：泰坦尼克号数据集

• 13.2：清洗数据集：缺失值及其处理方法

• 13.3：特征工程：在训练模型之前转换数据集中的特征

• 13.4：训练模型

• 13.5：调整超参数以找到最佳模型：网格搜索

• 13.6：使用k 折交叉验证来重用训练和验证数据

• 13.7：本章小结

• 13.8：练习

五、粉丝福利

没中奖的小伙伴，如果对此书感兴趣可以点击下方的链接自行购买！机器学习图解（传送门）。

今天的分享到这里就结束啦！如果觉得文章还不错的话，可以三连支持一下，春人的主页还有很多有趣的文章，欢迎小伙伴们前去点评，您的支持就是春人前进的动力！