Python机器学习 实践指南 许多不同的领域，如机器人、医学、零售和出版等，都需要依 赖这门技术。通过阅读本书，你将学习如何一步步构建真实的 机器学习应用程序。 本书以通俗易懂，简洁明了的方式，教你如何使用机器学 习来收集、分析并操作大量的数据。通过易于理解的项目，本 通过阅读本书，你将能够： ■ 了解Python机器学习的生态系统； ■ 了解如何执行线性回归； ■ 机器视觉概念的介绍； ■ 高级数据可视化技术； ■ 如何使用第三方API，部署机器学习模型； ■ 时间序列的建模技术； ■ 如何构建无监督模型。 书讲解如何处理各种类型的数据、如何以及何时应用不同的机 器学习技术，包括监督学习和无监督学习。本书中的每个项目 都同时提供了教学和实践，你将学习如何使用聚类技术来发现 低价的机票，以及如何使用线性回归找到一间便宜的公寓 。 本书适合的读者 本书适合的读者包括了解数据科学的Python程序员、数 据科学家、架构师，以及想要构建完整的、基于Python的机 器学习系统的人们。 机器学习实践指南 Python 机器学习正在迅速成为数据驱动型世界的一个必备模块。 直观的数据项目，应用高级机器学习方法解决日常问题 Python 机器学习 实践指南 Python Machine Learning Blueprints 美术编辑：董志桢 〔美〕Alexander T. Combs 黄申 著 译 分类建议：计算机／机器学习／Python 人民邮电出版社网址：www.ptpress.com.cn FM44906Python机器学习实践指南.indd 1-3 17-3-28 下午12:03 Python机器学习 实践指南 〔美〕Alexander T. Combs 黄申 著 译 人 民 邮 电 出 版 社 FM44906Python机器学习实践指南.indd 4 17-3-28 下午12:06 内容提要 机器学习是近年来渐趋热门的一个领域，同时 Python 语言经过一段时间的发展也已逐 渐成为主流的编程语言之一。本书结合了机器学习和 Python 语言两个热门的领域，通过易 于理解的项目详细讲述了如何构建真实的机器学习应用程序。 全书共有 10 章。第 1 章讲解了 Python 机器学习的生态系统，剩余 9 章介绍了众多与 机器学习相关的算法，包括聚类算法、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。 本书适合 Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业 人员及科研人员阅读。 作者简介 Alexander T. Combs 是一位经验丰富的数据科学家、策略师和开发人员。他有金融数据 抽取、自然语言处理和生成，以及定量和统计建模的背景。他目前是纽约沉浸式数据科学 项目的一名全职资深讲师。 2 第 1 章 Python 程序库入门 审阅者简介 KushalKhandelwal 是一位数据科学家和全栈开发人员。他的兴趣包括构建可扩展的机 器学习和图像处理的软件应用。他擅长 Python 编码，并对各种开源项目做出了积极的贡献。 他目前担任 Truce.in 的技术主管，这是一家以农民为中心的创业公司，Kushal 致力于创建 可扩展的 Web 应用程序来帮助农民。 译者简介 黄申博士，现任 IBM 研究院资深科学家，毕业于上海交通大学计算机科学与工程专业， 师从俞勇教授。微软学者、IBM ExtremeBlue 天才计划成员。长期专注于大数据相关的搜 索、推荐、广告以及用户精准化领域。曾在微软亚洲研究院、eBay 中国、沃尔玛 1 号店（现 京东 1 号店）和大润发飞牛网担任要职，带队完成了若干公司级的战略项目。同时发表了 20 多篇国际论文，并拥有 10 多项国际专利， 《计算机工程》特邀审稿专家， 《Elasticsearch 实战》中文版的译者，2016 年出版的《大数据架构商业之路》一书销量和口碑双赢，续作 《大数据架构和算法实现之路》将于 2017 年中出版。2015 年，因对业界做出卓越贡献，获 得美国政府颁发的“美国杰出人才”称号。 译者序 谈到为什么要翻译这本书，还是一段机缘巧合。那是 2015 年的下半年，当时我正在撰 写自己的原创书籍《大数据架构商业之路：从业务需求到技术方案》。在那本书中，我希望 结合一个创业的故事，展示各个阶段可能遇到的大数据课题、业务需求，以及相对应的技 术方案，甚至是实践解析。其中，最挑战的部分莫过于案例的分析到技术方案，再到框架 编码的逐步展开。因为之前对于这种写作模式没有相关的经验，让人很是苦恼。我也搜寻 了市面上相关的中英文书籍，可惜并未发现特别好的范例作为参考。 一次偶然的机会，我在 Amazon.com 上发现了 Alexander T. Combs 的《Python Machine Learning Blueprints》 。当时此书尚未出版，还是试读本。在阅读样章之后我发现这种写作模 式就是我想要的，没有太多的理论和说教，而是结合我们日常生活都会经历的方方面面， 包括房产、金融、旅游和电子商务等，提供了可以直接上手的教学内容，让读者可以身临 其境，乐在其中，轻松了解机器学习的实用知识。这正是我想要学习的风格！于是我采纳 了这种模式，并结合自己的项目经验，一口气完成了《大数据架构商业之路：从业务需求 到技术方案》一书。上市之后，读者对这种理论和案例相结合的方式很是赞许。所以，我 对《Python Machine Learning Blueprints》一书心存感激，对它何时上市也很是关注。 终于，2016 年的 7 月底，该书的英文版正式发行。我迫不及待地阅读完了原版，和当 初试读的感觉一样，这是一本很有创意的书，而且 Python 和机器学习都是最近几年的技术 热点，如果能将这么棒的内容介绍给广大国内的读者，那是多么令人激动的事情！于是， 我抱着试试看的心态，联系了人民邮电出版社的编辑陈冀康老师。很幸运，当时此书还没 有译者，陈老师审阅我的试译稿之后也表示满意，于是我很荣幸地成为了此书的译者。 不过在翻译的过程中，我也发现了不少细节上的疑问，于是我主动联系了原书的作者 Alexander，他总是非常仔细地解答这些问题，使得我信心大增，可以确保译文尽可能地贴 2 Python 机器学习实践指南 近原文。而编辑陈老师也对此举表示了充分的肯定。在此，我要对 Alexander 和陈老师的 帮助表示衷心的感谢。当然，我也要感谢父母和妻儿的支持，为了此书，我陪伴你们的时 间更少了，而你们丝毫没有怨言，让我可以安心地完成每次的写作。 在翻译此书的岁月中，Python、机器学习及其应用在国内外都获得了空前的关注，相关 的社区也保持了非常好的活跃度，相信这个技术方向在将来还有很大的空间。希望本书能帮 助到每一位热爱 Python 和机器学习的朋友，为中国的人工智能事业尽一份绵薄之力。如果您 对本书中的技术细节感兴趣，可以通过如下渠道联系我，很期待和大家的互动和交流。 QQ 36638279 微信 18616692855 邮箱[email protected] LinkedIn https://cn.linkedin.com/in/shuang790228 扫一扫就能微信联系作者： 个人公众号 前言 机器学习正在迅速成为数据驱动型世界的一个必备模块。许多不同的领域如机器人、 医学、零售和出版等，都需要依赖这门技术。在这本书中，你将学习如何一步步构建真实 的机器学习应用程序。 通过易于理解的项目，你将学习如何处理各种类型的数据，如何以及何时应用不同的 机器学习技术，包括监督学习和无监督学习。 本书中的每个项目都同时提供了教学和实践。例如，你将学习如何使用聚类技术来发 现低价的机票，以及如何使用线性回归找到一间便宜的公寓。本书以通俗易懂、简洁明了 的方式，教你如何使用机器学习来收集、分析并操作大量的数据。 本书涵盖的内容 第 1 章，Python 机器学习的生态系统，深入 Python，它有一个深度活跃的开发者社区， 而且许多开发者来自科学社区。这为 Python 提供了丰富的科学计算库。在本章中，我们将 讨论这些关键库的特性以及如何准备你的环境，以最好地利用它们。 第 2 章，构建应用程序，发现低价的公寓，指导我们构建第一个机器学习应用程序， 我们从一个最小但实际的例子开始：建设应用程序来识别低价的公寓。到本章结束，我们 将创建一个应用程序，使得寻找合适的公寓变得更容易点。 第 3 章，构建应用程序，发现低价的机票，演示了如何构建应用程序来不断地监测票 价。一旦出现异常价格，应用程序将提醒我们，可以快速采取行动。 第 4 章，使用逻辑回归预测 IPO 市场，展示了我们如何使用机器学习决定哪些 IPO 值 得仔细研究，而哪些可以直接跳过。 2 Python 机器学习实践指南 第 5 章，创建自定义的新闻源，介绍如何构建一个系统，它会了解你对于新闻的品味， 而且每天都可以为你提供个性化的新闻资讯。 第 6 章，预测你的内容是否会广为流传，检查一些被大家广泛分享的内容，并试图找 到这种内容相对于其他人们不愿分享的内容有哪些特点。 第 7 章，使用机器学习预测股票市场，讨论如何构建和测试交易策略。当你试图设计 属于自己的系统时，有无数的陷阱要避免，这是一个几乎不可能完成的任务。但是，这个 过程有很多的乐趣，而且有的时候，它甚至可以帮你盈利。 第 8 章，建立图像相似度的引擎，帮助你构建高级的、基于图像的深度学习应用。我 们还将涵盖深度学习的算法来了解为什么它们是如此的重要，以及为什么它们成为了最近 研究的热点。 第 9 章，打造聊天机器人，演示如何从头构建一个聊天机器人。读完之后，你将了解 更多关于该领域的历史及其未来前景。 第 10 章，构建推荐引擎，探讨不同类型的推荐系统。我们将看到它们在商业中是如何 实现和运作的。我们还将实现自己的推荐引擎来查找 GitHub 资料库。 阅读本书需要准备什么 你需要的是 Python 3.x 和建立真实机器学习项目的渴望。你可以参考随本书的详细代 码列表。 本书的读者 本书的目标读者包括了解数据科学的 Python 程序员、数据科学家、架构师，以及想要 构建完整的、基于 Python 的机器学习系统的人员。 约定 在这本书中，你会发现许多文本样式，以区分不同种类的信息。这里是某些样式的例 子和它们的含义。 文本中的代码、数据库表名称、文件夹名称、文件名、文件扩展名、路径名、虚构的 URL、 用户输入和 Twitte