Python机器学习实践

链接：https://pan.baidu.com/s/1HQro5XslQaL9dW4OhCrBmw?pwd=wz3e 

提取码：wz3e

●译者的话
原书前言
第1章机器学习初步
1.1一个简单的监督模型：最近邻法
1.2数据预处理
1.2.1数据放缩
1.2.2数据高斯化：幂变换简介
1.2.3类别变量的处理
1.2.4缺失值的处理
1.3不平衡数据的处理方法
1.3.1少数类的随机过采样
1.3.2多数类的随机欠采样
1.3.3合成少数类过采样
1.4降维：主成分分析（PCA）
1.4.1使用PCA进行降维
1.4.2特征提取
1.4.3非线性流形算法：t-SNE
第2章机器学习线性模型
……

本书提供了使用Python开发机器学习应用程序的基本原理。主要内容包括：机器学习概念及其应用；数据预处理、降维；各种线性模型、集成学习方法、随机森林、提升方法；自然语言处理、深度学习等。本书跟进了机器学习的近期新研究成果，比如近几年提出的有名算法XGBoost和CatBoost，以及SHAP值。这些方法是机器学习领域中新颖且优选的模型。本书目的是向读者介绍从业人员采用的解决机器学习问题的主要现代算法，跟踪机器学习领域研究前沿，并为初学者提供使用机器学习的方法。本书覆盖面广，对所有希望在数据科学和分析任务中使用机器学习的人来说，本书既是一本很好的学习资料，同时也是一本实战教程，其中介绍了多种统计模型，并提供了大量的相应代码，以将这些概念一致地应用于实际问题。