目录
第 *章　监督学习　*
*.*　技术要求　*
*.2　简介　2
*.3　用Python*建数组　3
*.3.*　准备工作　3
*.3.2　详细步骤　3
*.3.3　工作原理　4
*.3.4　更多内容　4
*.4　用均值移除法进行数据预处理　5
*.4.*　准备工作　5
*.4.2　详细步骤　6
*.4.3　工作原理　7
*.4.4　更多内容　7
*.5　数据缩放　7
*.5.*　准备工作　7
*.5.2　详细步骤　8
*.5.3　工作原理　9
*.5.4　更多内容　9
*.6　归*化　9
*.6.*　准备工作　9
*.6.2　详细步骤　*0
*.6.3　工作原理　*0
*.6.4　更多内容　*0
*.7　二值化　*0
*.7.*　准备工作　**
*.7.2　详细步骤　**
*.7.3　工作原理　**
*.7.4　更多内容　*2
*.8　one-hot编码　*2
*.8.*　准备工作　*2
*.8.2　详细步骤　*2
*.8.3　工作原理　*3
*.8.4　更多内容　*4
*.9　标签编码　*4
*.9.*　准备工作　*4
*.9.2　详细步骤　*4
*.9.3　工作原理　*5
*.9.4　更多内容　*6
*.*0　构建线性回归器　*6
*.*0.*　准备工作　*7
*.*0.2　详细步骤　*8
*.*0.3　工作原理　20
*.*0.4　更多内容　20
*.**　计算回归*度　2*
*.**.*　准备工作　2*
*.**.2　详细步骤　2*
*.**.3　工作原理　22
*.**.4　更多内容　22
*.*2　模型持久化　22
*.*2.*　准备工作　22
*.*2.2　详细步骤　23
*.*2.3　工作原理　23
*.*2.4　更多内容　23
*.*3　构建岭回归器　24
*.*3.*　准备工作　25
*.*3.2　详细步骤　25
*.*3.3　工作原理　26
*.*4　构建多项式回归器　26
*.*4.*　准备工作　27
*.*4.2　详细步骤　27
*.*4.3　工作原理　29
*.*4.4　更多内容　29
*.*5　估算房屋*格　29
*.*5.*　准备工作　30
*.*5.2　详细步骤　30
*.*5.3　工作原理　33
*.*5.4　更多内容　33
*.*6　计算*征的相对重要性　33
*.*6.*　准备工作　34
*.*6.2　详细步骤　34
*.*6.3　工作原理　36
*.*6.4　更多内容　36
*.*7　评估共享单车的需求分布　36
*.*7.*　准备工作　36
*.*7.2　详细步骤　36
*.*7.3　工作原理　39
*.*7.4　更多内容　39
第　2章 构建分类器　4*
2.*　技术要求　4*
2.2　简介　42
2.3　构建简单分类器　42
2.3.*　准备工作　43
2.3.2　详细步骤　43
2.3.3　工作原理　45
2.3.4　更多内容　45
2.4　构建逻辑回归分类器　45
2.4.*　准备工作　45
2.4.2　详细步骤　46
2.4.3　工作原理　49
2.4.4　更多内容　49
2.5　构建朴素贝叶斯分类器　49
2.5.*　准备工作　50
2.5.2　详细步骤　50
2.5.3　工作原理　52
2.5.4　更多内容　53
2.6　将数据集划分成训练集和测试集　53
2.6.*　准备工作　54
2.6.2　详细步骤　54
2.6.3　工作原理　56
2.6.4　更多内容　57
2.7　用交叉验证评估模型*度　57
2.7.*　准备工作　57
2.7.2　详细步骤　57
2.7.3　工作原理　58
2.7.4　更多内容　59
2.8　混淆矩阵可视化　59
2.8.*　准备工作　60
2.8.2　详细步骤　60
2.8.3　工作原理　6*
2.8.4　更多内容　62
2.9　提取性能报告　62
2.9.*　准备工作　62
2.9.2　详细步骤　62
2.9.3　工作原理　63
2.9.4　更多内容　63
2.*0　根据*征评估汽车质量　63
2.*0.*　准备工作　63
2.*0.2　详细步骤　64
2.*0.3　工作原理　66
2.*0.4　更多内容　66
2.**　生成验证曲线　66
2.**.*　准备工作　67
2.**.2　详细步骤　67
2.**.3　工作原理　69
2.**.4　更多内容　69
2.*2　生成学习曲线　69
2.*2.*　准备工作　70
2.*2.2　详细步骤　70
2.*2.3　工作原理　7*
2.*2.4　更多内容　7*
2.*3　估算收入*层　7*
2.*3.*　准备工作　72
2.*3.2　详细步骤　72
2.*3.3　工作原理　75
2.*3.4　更多内容　75
2.*4　葡萄酒质量预测　75
2.*4.*　准备工作　76
2.*4.2　详细步骤　76
2.*4.3　工作原理　78
2.*4.4　更多内容　78
2.*5　新闻组热门话题分类　78
2.*5.*　准备工作　78
2.*5.2　详细步骤　79
2.*5.3　工作原理　80
2.*5.4　更多内容　80
第3章　预测建模　8*
3.*　技术要求　8*
3.2　简介　82
3.3　用SVM构建线性分类器　82
3.3.*　准备工作　83
3.3.2　详细步骤　84
3.3.3　工作原理　86
3.3.4　更多内容　87
3.4　用SVM构建非线性分类器　87
3.4.*　准备工作　87
3.4.2　详细步骤　87
3.4.3　工作原理　89
3.4.4　更多内容　89
3.5　解决类型*平衡问题　89
3.5.*　准备工作　90
3.5.2　详细步骤　90
3.5.3　工作原理　93
3.5.4　更多内容　93
3.6　提取置信度　93
3.6.*　准备工作　93
3.6.2　详细步骤　93
3.6.3　工作原理　95
3.6.4　更多内容　96
3.7　寻找最**参数　96
3.7.*　准备工作　96
3.7.2　详细步骤　96
3.7.3　工作原理　*00
3.7.4　更多内容　*0*
3.8　构建事件预测器　*0*
3.8.*　准备工作　*0*
3.8.2　详细步骤　*02
3.8.3　工作原理　*04
3.8.4　更多内容　*04
3.9　估算交通流量　*04
3.9.*　准备工作　*04
3.9.2　详细步骤　*05
3.9.3　工作原理　*07
3.9.4　更多内容　*07
3.*0　用TensorFlow简化机器学习流程　*07
3.*0.*　准备工作　*07
3.*0.2　详细步骤　*08
3.*0.3　工作原理　*09
3.*0.4　更多内容　*09
3.**　堆叠法实现　*09
3.**.*　准备工作　*09
3.**.2　详细步骤　*09
3.**.3　工作原理　**0
3.**.4　更多内容　***
第4章　*监督学习——聚类　**2
4.*　技术要求　**2
4.2　简介　**3
4.3　用k-means算法聚类数据　**3
4.3.*　准备工作　**4
4.3.2　详细步骤　**4
4.3.3　工作原理　**6
4.3.4　更多内容　**7
4.4　用向量量化压缩图片　**7
4.4.*　准备工作　**8
4.4.2　详细步骤　**8
4.4.3　工作原理　*2*
4.4.4　更多内容　*2*
4.5　用凝聚层次聚类进行数据分组　*22
4.5.*　准备工作　*22
4.5.2　详细步骤　*22
4.5.3　工作原理　*25
4.5.4　更多内容　*25
4.6　评估聚类算法性能　*26
4.6.*　准备工作　*26
4.6.2　详细步骤　*26
4.6.3　工作原理　*29
4.6.4　更多内容　*29
4.7　用DBSCAN算法估算簇的个数　*29
4.7.*　准备工作　*30
4.7.2　详细步骤　*30
4.7.3　工作原理　*33
4.7.4　更多内容　*33
4.8　探索股票数据模式　*34
4.8.*　准备工作　*34
4.8.2　详细步骤　*34
4.8.3　工作原理　*36
4.8.4　更多内容　*36
4.9　构建市场细分模型　*36
4.9.*　准备工作　*36
4.9.2　详细步骤　*37
4.9.3　工作原理　*39
4.9.4　更多内容　*39
4.*0　用自动编码器重构手写数字图像　*39
4.*0.*　准备工作　*40
4.*0.2　详细步骤　*40
4.*0.3　工作原理　*43
4.*0.4　更多内容　*44
第5章　可视化数据　*45
5.*　技术需求　*45
5.2　简介　*46
5.3　画3D散点图　*46
5.3.*　准备工作　*46
5.3.2　详细步骤　*46
5.3.3　工作原理　*48
5.3.4　更多内容　*48
5.4　画气泡图　*48
5.4.*　准备工作　*48
5.4.2　详细步骤　*48
5.4.3　工作原理　*49
5.4.4　更多内容　*50
5.5　画动态气泡图　*50
5.5.*　准备工作　*50
5.5.2　详细步骤　*50
5.5.3　工作原理　*52
5.5.4　更多内容　*52
5.6　画饼图　*52
5.6.*　准备工作　*52
5.6.2　详细步骤　*53
5.6.3　工作原理　*54
5.6.4　更多内容　*54
5.7　绘制日期格式的时间序列数据　*54
5.7.*　准备工作　*54
5.7.2　详细步骤　*54
5.7.3　工作原理　*56
5.7.4　更多内容　*56
5.8　画直方图　*56
5.8.*　准备工作　*57
5.8.2　详细步骤　*57
5.8.3　工作原理　*58
5.8.4　更多内容　*59
5.9　可视化热力图　*59
5.9.*　准备工作　*59
5.9.2　详细步骤　*59
5.9.3　工作原理　*6*
5.9.4　更多内容　*6*
5.*0　动态信号的可视化模拟　*6*
5.*0.*　准备工作　*6*
5.*0.2　详细步骤　*6*
5.*0.3　工作原理　*63
5.*0.4　更多内容　*64
5.**　用seaborn库画图　*64
5.**.*　准备工作　*64
5.**.2　详细步骤　*64
5.**.3　工作原理　*66
5.**.4　更多内容　*66
第6章　构建推荐引擎　*67
6.*　技术要求　*67
6.2　简介　*68
6.3　为数据处理构建函数组合　*68
6.3.*　准备工作　*69
6.3.2　详细步骤　*69
6.3.3　工作原理　*70
6.3.4　更多内容　*70
6.4　构建机器学习管道　*7*
6.4.*　准备工作　*7*
6.4.2　详细步骤　*7*
6.4.3　工作原理　*73
6.4.4　更多内容　*73
6.5　构建最近邻分类器　*73
6.5.*　准备工作　*73
6.5.2　详细步骤　*73
6.5.3　工作原理　*75
6.5.4　更多内容　*76
6.6　构建KNN分类器　*76
6.6.*　准备工作　*76
6.6.2　详细步骤　*76
6.6.3　工作原理　*80
6.6.4　更多内容　*8*
6.7　构建KNN回归器　*8*
6.7.*　准备工作　*8*
6.7.2　详细步骤　*8*
6.7.3　工作原理　*83
6.7.4　更多内容　*84
6.8　计算欧式距离分数　*84
6.8.*　准备工作　*84
6.8.2　详细步骤　*84
6.8.3　工作原理　*86
6.8.4　更多内容　*86
6.9　计算皮尔逊相关系数　*86
6.9.*　准备工作　*86
6.9.2　详细步骤　*86
6.9.3　工作原理　*88
6.9.4　更多内容　*89
6.*0　查找数据集中的相似用户　*89
6.*0.*　准备工作　*89
6.*0.2　详细步骤　*89
6.*0.3　工作原理　*90
6.*0.4　更多内容　*9*
6.**　生成电影推荐　*9*
6.**.*　准备工作　*9*
6.**.2　详细步骤　*9*
6.**.3　工作原理　*93
6.**.4　更多内容　*93
6.*2　实现排序算法　*93
6.*2.*　准备工作　*94
6.*2.2　详细步骤　*94
6.*2.3　工作原理　*95
6.*2.4　更多内容　*95
6.*3　用TensorFlow构建过滤器模型　*95
6.*3.*　准备工作　*96
6.*3.2　详细步骤　*96
6.*3.3　工作原理　200
6.*3.4　更多内容　200
第7章　文本数据分析　20*
7.*　技术要求　20*
7.2　简介　202
7.3　用标记解析的方法预处理数据　203
7.3.*　准备工作　203
7.3.2　详细步骤　203
7.3.3　工作原理　204
7.3.4　更多内容　205
7.4　提取文本数据的词干　205
7.4.*　准备工作　205
7.4.2　详细步骤　205
7.4.3　工作原理　206
7.4.4　更多内容　207
7.5　用词形还原的方法还原文本的基本形式　207
7.5.*　准备工作　207
7.5.2　详细步骤　207
7.5.3　工作原理　208
7.5.4　更多内容　209
7.6　用分块的方法划分文本　209
7.6.*　详细步骤　209
7.6.2　工作原理　2*0
7.6.3　更多内容　2**
7.7　构建词袋模型　2**
7.7.*　准备工作　2**
7.7.2　详细步骤　2**
7.7.3　工作原理　2*3
7.7.4　更多内容　2*4
7.8　构建文本分类器　2*4
7.8.*　准备工作　2*4
7.8.2　详细步骤　2*4
7.8.3　工作原理　2*6
7.8.4　更多内容　2*7
7.9　识别名字性别　2*7
7.9.*　准备工作　2*7
7.9.2　详细步骤　2*7
7.9.3　工作原理　2*9
7.9.4　更多内容　2*9
7.*0　语句情感分析　2*9
7.*0.*　准备工作　220
7.*0.2　详细步骤　220
7.*0.3　工作原理　222
7.*0.4　更多内容　223
7.**　用主题建模识别文本模式　223
7.**.*　准备工作　223
7.**.2　详细步骤　223
7.**.3　工作原理　225
7.**.4　更多内容　226
7.*2　用spaCy进行词性标注　226
7.*2.*　准备工作　226
7.*2.2　详细步骤　226
7.*2.3　工作原理　227
7.*2.4　更多内容　227
7.*3　用gensim构建Word2Vec模型　228
7.*3.*　准备工作　228
7.*3.2　详细步骤　228
7.*3.3　工作原理　229
7.*3.4　更多内容　229
7.*4　用浅层学习检测垃圾信息　229
7.*4.*　准备工作　229
7.*4.2　详细步骤　230
7.*4.3　工作原理　230
7.*4.4　更多内容　23*
第8章　语音识别　232
8.*　技术要求　232
8.2　简介　233
8.3　读取和绘制音频数据　233
8.3.*　准备工作　233
8.3.2　详细步骤　234
8.3.3　工作原理　235
8.3.4　更多内容　235
8.4　将音频信号转换为频域　236
8.4.*　准备工作　236
8.4.2　详细步骤　236
8.4.3　工作原理　238
8.4.4　更多内容　238
8.5　用自定义参数生成音频信号　238
8.5.*　准备工作　238
8.5.2　详细步骤　239
8.5.3　工作原理　240
8.5.4　更多内容　24*
8.6　合成音乐　24*
8.6.*　准备工作　24*
8.6.2　详细步骤　24*
8.6.3　工作原理　243
8.6.4　更多内容　243
8.7　提取频域*征　243
8.7.*　准备工作　244
8.7.2　详细步骤　244
8.7.3　工作原理　246
8.7.4　更多内容　246
8.8　构建隐马尔可夫模型　246
8.8.*　准备工作　246
8.8.2　详细步骤　246
8.8.3　工作原理　247
8.8.4　更多内容　248
8.9　构建语音识别器　248
8.9.*　准备工作　248
8.9.2　详细步骤　249
8.9.3　工作原理　252
8.9.4　更多内容　253
8.*0　构建TTS系统　253
8.*0.*　准备工作　253
8.*0.2　详细步骤　253
8.*0.3　工作原理　254
8.*0.4　更多内容　255
第9章　时序列化和时序数据分析　256
9.*　技术要求　256
9.2　简介　257
9.3　将数据转换为时间序列格式　257
9.3.*　准备工作　257
9.3.2　详细步骤　258
9.3.3　工作原理　259
9.3.4　更多内容　260
9.4　切分时间序列数据　260
9.4.*　准备工作　260
9.4.2　详细步骤　260
9.4.3　工作原理　262
9.4.4　更多内容　262
9.5　操作时间序列数据　262
9.5.*　准备工作　262
9.5.2　详细步骤　263
9.5.3　工作原理　264
9.5.4　更多内容　265
9.6　从时序数据中提取统计信息　265
9.6.*　准备工作　265
9.6.2　详细步骤　265
9.6.3　工作原理　267
9.6.4　更多内容　267
9.7　为序列数据构建隐马尔可夫模型　268
9.7.*　准备工作　268
9.7.2　详细步骤　268
9.7.3　工作原理　27*
9.7.4　更多内容　27*
9.8　为序列化文本数据构建条件随机场　27*
9.8.*　准备工作　27*
9.8.2　详细步骤　272
9.8.3　工作原理　274
9.8.4　更多内容　274
9.9　股市数据分析　274
9.9.*　准备工作　275
9.9.2　详细步骤　275
9.9.3　工作原理　278
9.9.4　更多内容　278
9.*0　用RNN预测时间序列数据　279
9.*0.*　准备工作　279
9.*0.2　详细步骤　279
9.*0.3　工作原理　283
9.*0.4　更多内容　283
第　*0章 图像内容分析　284
*0.*　技术要求　284
*0.2　简介　285
*0.3　用OpenCV_Python操作图像　286
*0.3.*　准备工作　286
*0.3.2　详细步骤　286
*0.3.3　工作原理　288
*0.3.4　更多内容　288
*0.4　边缘检测　288
*0.4.*　准备工作　288
*0.4.2　详细步骤　288
*0.4.3　工作原理　290
*0.4.4　更多内容　290
*0.5　直方图均衡　290
*0.5.*　准备工作　29*
*0.5.2　详细步骤　29*
*0.5.3　工作原理　292
*0.5.4　更多内容　292
*0.6　角点检测　293
*0.6.*　准备工作　293
*0.6.2　详细步骤　293
*0.6.3　工作原理　294
*0.6.4　更多内容　294
*0.7　SIFT*征点检测　294
*0.7.*　准备工作　295
*0.7.2　详细步骤　295
*0.7.3　工作原理　296
*0.7.4　更多内容　296
*0.8　构建Star*征检测器　296
*0.8.*　准备工作　297
*0.8.2　详细步骤　297
*0.8.3　工作原理　298
*0.8.4　更多内容　298
*0.9　用视觉码本和向量量化*建*征　299
*0.9.*　准备工作　299
*0.9.2　详细步骤　299
*0.9.3　工作原理　30*
*0.9.4　更多内容　302
*0.*0　用*端随机森林训练图像分类器　302
*0.*0.*　准备工作　302
*0.*0.2　详细步骤　302
*0.*0.3　工作原理　304
*0.*0.4　更多内容　304
*0.**　构建对象识别器　304
*0.**.*　准备工作　304
*0.**.2　详细步骤　304
*0.**.3　工作原理　306
*0.**.4　更多内容　306
*0.*2　用LightGBM进行图像分类　306
*0.*2.*　准备工作　306
*0.*2.2　详细步骤　307
*0.*2.3　工作原理　309
*0.*2.4　更多内容　309
第　**章 生物*征人脸识别　3*0
**.*　技术要求　3*0
**.2　简介　3**
**.3　从网络摄像头采集和处理视频信息　3**
**.3.*　准备工作　3*2
**.3.2　详细步骤　3*2
**.3.3　工作原理　3*3
**.3.4　更多内容　3*3
**.4　用Haar级联构建人脸识别器　3*3
**.4.*　准备工作　3*4
**.4.2　详细步骤　3*4
**.4.3　工作原理　3*5
**.4.4　更多内容　3*6
**.5　构建眼鼻检测器　3*6
**.5.*　准备工作　3*6
**.5.2　详细步骤　3*6
**.5.3　工作原理　3*8
**.5.4　更多内容　3*9
**.6　主成分分析　3*9
**.6.*　准备工作　3*9
**.6.2　详细步骤　3*9
**.6.3　工作原理　32*
**.6.4　更多内容　32*
**.7　核主成分分析　32*
**.7.*　准备工作　32*
**.7.2　详细步骤　32*
**.7.3　工作原理　324
**.7.4　更多内容　324
**.8　盲源分离　324
**.8.*　准备工作　325
**.8.2　详细步骤　325
**.8.3　工作原理　328
**.8.4　更多内容　328
**.9　用局*二值模式直方图构建人脸识别器　328
**.9.*　准备工作　328
**.9.2　详细步骤　328
**.9.3　工作原理　332
**.9.4　更多内容　332
**.*0　基于HOG模型进行人脸识别　332
**.*0.*　准备工作　332
**.*0.2　详细步骤　333
**.*0.3　工作原理　333
**.*0.4　更多内容　334
**.**　人脸*征点识别　334
**.**.*　准备工作　334
**.**.2　详细步骤　334
**.**.3　工作原理　336
**.**.4　更多内容　336
**.*2　用人脸识别进行用户身份验证　336
**.*2.*　准备工作　337
**.*2.2　详细步骤　337
**.*2.3　工作原理　338
**.*2.4　更多内容　338
第　*2章 强化学习　339
*2.*　技术要求　339
*2.2　简介　340
*2.3　用MDP预报天气　34*
*2.3.*　准备工作　34*
*2.3.2　详细步骤　34*
*2.3.3　工作原理　343
*2.3.4　更多内容　343
*2.4　用DP*化金融投资组合　344
*2.4.*　准备工作　344
*2.4.2　详细步骤　344
*2.4.3　工作原理　346
*2.4.4　更多内容　346
*2.5　找出最短路径　346
*2.5.*　准备工作　346
*2.5.2　详细步骤　347
*2.5.3　工作原理　348
*2.5.4　更多内容　348
*2.6　使用Q学习决定折扣因子　348
*2.6.*　准备工作　349
*2.6.2　详细步骤　349
*2.6.3　工作原理　350
*2.6.4　更多内容　35*
*2.7　实现深度Q学习算法　35*
*2.7.*　准备工作　35*
*2.7.2　详细步骤　35*
*2.7.3　工作原理　353
*2.7.4　更多内容　353
*2.8　开发基于AI的动态模型系统　353
*2.8.*　准备工作　353
*2.8.2　详细步骤　354
*2.8.3　工作原理　355
*2.8.4　更多内容　355
*2.9　通过双Q学习进行深度强化学习　355
*2.9.*　准备工作　356
*2.9.2　详细步骤　356
*2.9.3　工作原理　357
*2.9.4　更多内容　357
*2.*0　通过dueling Q学习进行深度强化学习　357
*2.*0.*　准备工作　358
*2.*0.2　详细步骤　358
*2.*0.3　工作原理　359
*2.*0.4　更多内容　360
第　*3章 深度*经网络　36*
*3.*　技术要求　36*
*3.2　简介　362
*3.3　构建感知机模型　362
*3.3.*　准备工作　363
*3.3.2　详细步骤　363
*3.3.3　工作原理　364
*3.3.4　更多内容　364
*3.4　构建单层*经网络　365
*3.4.*　准备工作　365
*3.4.2　详细步骤　365
*3.4.3　工作原理　367
*3.4.4　更多内容　367
*3.5　构建深度*经网络　368
*3.5.*　准备工作　368
*3.5.2　详细步骤　368
*3.5.3　工作原理　37*
*3.5.4　更多内容　37*
*3.6　*建向量量化器　37*
*3.6.*　准备工作　37*
*3.6.2　详细步骤　37*
*3.6.3　工作原理　373
*3.6.4　更多内容　373
*3.7　为序列数据分析构建循环*经网络　373
*3.7.*　准备工作　374
*3.7.2　详细步骤　374
*3.7.3　工作原理　377
*3.7.4　更多内容　377
*3.8　可视化OCR数据库字符　377
*3.8.*　准备工作　377
*3.8.2　详细步骤　377
*3.8.3　工作原理　378
*3.8.4　更多内容　378
*3.9　使用*经网络构建光学字符识别器　379
*3.9.*　准备工作　379
*3.9.2　详细步骤　379
*3.9.3　工作原理　38*
*3.9.4　更多内容　38*
*3.*0　用ANN实现*化算法　38*
*3.*0.*　准备工作　382
*3.*0.2　详细步骤　382
*3.*0.3　工作原理　384
*3.*0.4　更多内容　384
第　*4章 *监督表示学习　385
*4.*　需要的文件　385
*4.2　简介　386
*4.3　用降噪自动编码器检测欺诈交易　386
*4.3.*　准备工作　386
*4.3.2　详细步骤　386
*4.3.3　工作原理　390
*4.3.4　更多内容　39*
*4.4　用CBOW和skipgram表示生成词嵌入　39*
*4.4.*　准备工作　39*
*4.4.2　详细步骤　392
*4.4.3　工作原理　393
*4.4.4　更多内容　393
*4.5　用PCA和t-SNE可视化MNIST数据　393
*4.5.*　准备工作　394
*4.5.2　详细步骤　394
*4.5.3　工作原理　396
*4.5.4　更多内容　396
*4.6　使用词嵌入进行推*情感分析　397
*4.6.*　准备工作　397
*4.6.2　详细步骤　397
*4.6.3　工作原理　400
*4.6.4　更多内容　400
*4.7　用scikit-learn实现LDA　400
*4.7.*　准备工作　40*
*4.7.2　详细步骤　40*
*4.7.3　工作原理　402
*4.7.4　更多内容　402
*4.8　用LDA对文本文档分类　402
*4.8.*　准备工作　402
*4.8.2　详细步骤　403
*4.8.3　工作原理　404
*4.8.4　更多内容　404
*4.9　为LDA准备数据　405
*4.9.*　准备工作　405
*4.9.2　详细步骤　405
*4.9.3　工作原理　407
*4.9.4　更多内容　407
第　*5章 自动机器学习与迁移学习　408
*5.*　技术要求　408
*5.2　简介　409
*5.3　Auto-WEKA　409
*5.3.*　准备工作　4*0
*5.3.2　详细步骤　4*0
*5.3.3　工作原理　4*0
*5.3.4　更多内容　4*0
*5.4　用AutoML工具TPOT生成机器学习管道　4*0
*5.4.*　准备工作　4**
*5.4.2　详细步骤　4**
*5.4.3　工作原理　4*2
*5.4.4　更多内容　4*2
*5.5　Auto-Keras　4*2
*5.5.*　准备工作　4*2
*5.5.2　详细步骤　4*2
*5.5.3　工作原理　4*3
*5.5.4　更多内容　4*3
*5.6　auto-sklearn　4*3
*5.6.*　准备工作　4*3
*5.6.2　详细步骤　4*4
*5.6.3　工作原理　4*4
*5.6.4　更多内容　4*4
*5.7　用MLBox进行功能选择和泄漏检测　4*5
*5.7.*　准备工作　4*5
*5.7.2　详细步骤　4*5
*5.7.3　工作原理　4*6
*5.7.4　更多内容　4*6
*5.8　用卷积*经网络进行迁移学习　4*7
*5.8.*　准备工作　4*7
*5.8.2　详细步骤　4*7
*5.8.3　工作原理　420
*5.8.4　更多内容　420
*5.9　用ResNet-50作预训练图像分类器进行迁移学习　42*
*5.9.*　准备工作　42*
*5.9.2　详细步骤　42*
*5.9.3　工作原理　422
*5.9.4　更多内容　423
*5.*0　用VGG*6模型作*征提取器进行迁移学习　423
*5.*0.*　准备工作　423
*5.*0.2　详细步骤　423
*5.*0.3　工作原理　425
*5.*0.4　更多内容　425
*5.**　用预训练GloVe嵌入模型进行迁移学习　425
*5.**.*　准备工作　425
*5.**.2　详细步骤　426
*5.**.3　工作原理　428
*5.**.4　更多内容　428
第　*6章 生产中的应用　430
*6.*　技术要求　430
*6.2　简介　430
*6.3　处理非结构化数据　43*
*6.3.*　准备工作　43*
*6.3.2　详细步骤　43*
*6.3.3　工作原理　432
*6.3.4　更多内容　433
*6.4　*署机器学习模型　433
*6.4.*　准备工作　433
*6.4.2　详细步骤　433
*6.4.3　工作原理　435
*6.4.4　更多内容　435
*6.5　跟踪生产中的变化　435
*6.5.*　详细步骤　435
*6.5.2　工作原理　436
*6.5.3　更多内容　436
*6.6　跟踪*率并*化模型　437
*6.6.*　详细步骤　437
*6.6.2　工作原理　437
*6.6.3　更多内容　438

作者介绍
朱塞佩·查博罗（Giuseppe Ciaburro）拥有环境技术物理学博士学位和两个学科的 硕士学位，他的重点研究方向是机器学习在城市声环境研究中的应用。他有*过 *5 年的编程*业经验（Python、R、MATLAB），最初从事燃烧学*域的研究，后又*力于声学和噪音控制方向，并出版过几本*，*均*错。 普拉蒂克·乔希（Prateek Joshi）毕业于南加州大学，拥有人工智能硕士学位。他是*位人工智能*家，也是*位 TEDx演讲者，曾位列福布斯 30 岁以下的 30 位*英榜单，并在美*消费者新闻与商业频道（CNBC）、TechCrunch、硅谷商业期刊（Silicon Valley Business Journal）及更多的刊物上发表过文章。