第1章Python機器學習的生態係統1
1.1數據科學／機器學習的工作流程2
1.1.1獲取2
1.1.2檢查和探索2
1.1.3清理和準備3
1.1.4建模3
1.1.5評估3
1.1.6部署3
1.2Python庫和功能3
1.2.1獲取4
1.2.2檢查4
1.2.3準備20
1.2.4建模和評估26
1.2.5部署34
1.3設置機器學習的環境34
1.4小結34
第2章構建應用程序，發現低價的公寓35
2.1獲取公寓房源數據36
使用import.io抓取房源數據36
2.2檢查和準備數據38
2.2.1分析數據46
2.2.2可視化數據50
2.3對數據建模51
2.3.1預測54
2.3.2擴展模型57
2.4小結57
第3章構建應用程序，發現低價的機票58
3.1獲取機票價格數據59
3.2使用高級的網絡爬蟲技術檢索票價數據60
3.3解析DOM以提取定價數據62
通過聚類技術識彆異常的票價66
3.4使用IFTTT發送實時提醒75
3.5整閤在一起78
3.6小結82
第4章使用邏輯迴歸預測IPO市場83
4.1IPO市場84
4.1.1什麼是IPO84
4.1.2近期IPO市場錶現84
4.1.3基本的IPO策略93
4.2特徵工程94
4.3二元分類103
4.4特徵的重要性108
4.5小結111
第5章創建自定義的新聞源112
5.1使用Pocket應用程序，創建一個監督訓練的集閤112
5.1.1安裝Pocket的Chrome擴展程序113
5.1.2使用PocketAPI來檢索故事114
5.2使用embed.lyAPI下載故事的內容119
5.3自然語言處理基礎120
5.4支持嚮量機123
5.5IFTTT與文章源、Google錶單和電子郵件的集成125
通過IFTTT設置新聞源和Google錶單125
5.6設置你的每日個性化新聞簡報133
5.7小結137
第6章預測你的內容是否會廣為流傳138
6.1關於病毒性，研究告訴我們瞭些什麼139
6.2獲取分享的數量和內容140
6.3探索傳播性的特徵149
6.3.1探索圖像數據149
6.3.2探索標題152
6.3.3探索故事的內容156
6.4構建內容評分的預測模型157
6.5小結162
第7章使用機器學習預測股票市場163
7.1市場分析的類型164
7.2關於股票市場，研究告訴我們些什麼165
7.3如何開發一個交易策略166
7.3.1延長我們的分析周期172
7.3.2使用支持嚮量迴歸，構建我們的模型175
7.3.3建模與動態時間扭麯182
7.4小結186
第8章建立圖像相似度的引擎187
8.1圖像的機器學習188
8.2處理圖像189
8.3查找相似的圖像191
8.4瞭解深度學習195
8.5構建圖像相似度的引擎198
8.6小結206
第9章打造聊天機器人207
9.1圖靈測試207
9.2聊天機器人的曆史208
9.3聊天機器人的設計212
9.4打造一個聊天機器人217
9.5小結227
第10章構建推薦引擎228
10.1協同過濾229
10.1.1基於用戶的過濾230
10.1.2基於項目的過濾233
10.2基於內容的過濾236
10.3混閤係統237
10.4構建推薦引擎238
10.5小結251
· · · · · · (收起)