使用 Python 的实用机器学习

问题解决者指南：构建现实世界中的智能系统

“数据是新的石油”这句名言，你一定早已耳闻。近年来，随着大数据、机器学习、人工智能和深度学习的兴起，相关领域的热度持续攀升。此外，数据科学家还被誉为“21世纪最具吸引力的职业”，这也使得在这些领域积累宝贵的专业知识显得尤为重要。然而，在海量网络资源面前，初入机器学习的世界可能会让人感到无所适从。

《使用 Python 的实用机器学习》 采用了一种结构化且全面的三层方法，内容涵盖概念、方法论、动手示例和代码。全书超过500页，旨在帮助读者掌握利用数据驱动思维识别并解决复杂问题所需的核心技能。通过运用基于流行 Python 机器学习生态系统的实际案例研究，本书将成为你学习机器学习艺术与科学、成为一名成功实践者的完美伴侣。书中所介绍的概念、技术、工具、框架和方法将教会你如何思考、设计、构建并成功实施机器学习系统和项目。

本仓库包含了本书中使用的所有代码、笔记本及示例。我们还将不时在此添加额外内容，请持续关注！

购买本书

关于本书

掌握利用机器学习和深度学习识别并解决复杂问题所需的核心技能。本书以真实世界的案例为基础，充分利用流行的 Python 机器学习生态系统，是你学习机器学习艺术与科学、成为成功实践者的理想伙伴。书中所介绍的概念、技术、工具、框架和方法将教你如何思考、设计、构建并成功执行机器学习系统和项目。

我们重点使用最新的前沿数据分析、机器学习和深度学习框架，包括 scikit-learn、pandas、statsmodels、spaCy、nltk、gensim、tensorflow、keras、skater 等，对真实世界的数据集和问题进行处理、清洗、分析、可视化和建模！秉持“边学边做”的理念，我们尽量简化复杂的理论和概念（同时在必要时呈现核心要点），从而避免因理论过于晦涩而阻碍从业者充分发挥机器学习的力量来解决自身问题。

《使用 Python 的实用机器学习》 采用了结构化且全面的三层方法，包含大量动手示例和代码。

• 第一部分 专注于理解机器学习的概念和工具。内容包括机器学习基础，对算法、技术、概念和应用进行广泛概述，随后深入探讨整个 Python 机器学习生态系统。此外，还提供了常用机器学习工具、库和框架的简要指南。

• 第二部分 详细介绍了标准的机器学习流程，重点在于数据处理与分析、特征工程和建模。你将学习如何处理、清洗、汇总和可视化各种形式的数据。针对真实数据集，我们将深入讲解特征工程与选择方法，随后进行模型构建、调优、解释和部署。

• 第三部分 探讨了多个跨不同领域和行业的实际案例，如零售、交通、电影、音乐、营销、计算机视觉和金融等。每个案例都将展示多种机器学习技术和方法的应用。通过这些动手示例，你将熟悉最先进的机器学习工具和技术，并了解哪些算法最适合解决特定问题。

《使用 Python 的实用机器学习》 将赋能你，让你即刻开始用机器学习解决自己的问题！

目录

• 第一部分：理解机器学习
  • 第1章：机器学习基础
  • 第2章：Python机器学习生态系统
• 第二部分：机器学习流水线
  • 第3章：数据处理、清洗与可视化
  • 第4章：特征工程与选择
  • 第5章：模型构建、调优与部署
• 第三部分：真实世界案例研究
  • 第6章：分析共享单车使用趋势
  • 第7章：分析电影评论情感
  • 第8章：客户细分与高效交叉销售
  • 第9章：分析葡萄酒类型与品质
  • 第10章：分析音乐趋势与推荐
  • 第11章：预测股票与大宗商品价格
  • 第12章：用于计算机视觉的深度学习

您将学到的内容

• 执行端到端的机器学习项目和系统
• 使用行业标准、开源且稳健的机器学习工具和框架进行实践
• 复习展示机器学习和深度学习在不同领域和行业中应用的案例研究
• 应用广泛的机器学习模型，包括回归、分类和聚类
• 理解并应用来自深度学习的最新模型和方法，包括卷积神经网络、循环神经网络、长短期记忆网络以及迁移学习

由以下框架支持

目标读者

本书专为IT专业人士、分析师、开发者、数据科学家、工程师、研究生以及任何对数据分析和洞察感兴趣的人士而撰写！

致谢

待定

Practical Machine Learning with Python 快速上手指南

本指南基于《Practical Machine Learning with Python》开源项目，旨在帮助开发者快速搭建环境并运行书中的实战案例。该项目涵盖了从数据清洗、特征工程到模型构建与部署的全流程，涉及零售、金融、计算机视觉等多个领域的真实案例。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.6 及以上版本（书中代码主要基于 Python 3 生态）
• 包管理器：推荐使用 conda (Anaconda/Miniconda) 或 pip
• 开发工具：Jupyter Notebook 或 JupyterLab（书中示例主要以 Notebook 形式呈现）

核心依赖库： 本项目依赖强大的 Python 数据科学生态，主要包括： pandas, numpy, scikit-learn, matplotlib, seaborn, statsmodels, nltk, gensim, spacy, tensorflow, keras 等。

安装步骤

1. 克隆项目仓库

首先，将包含所有代码、数据集和 Notebooks 的仓库克隆到本地。

git clone https://github.com/dipanjanS/practical-machine-learning-with-python.git
cd practical-machine-learning-with-python

2. 创建虚拟环境（推荐）

为了避免依赖冲突，建议创建一个独立的虚拟环境。

使用 Conda (推荐，尤其适合国内用户配置镜像源):

# 创建名为 ml-book 的环境，指定 Python 版本
conda create -n ml-book python=3.8

# 激活环境
conda activate ml-book

# 【可选】配置清华镜像源以加速下载
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

使用 Pip:

python -m venv ml-book-env
# Windows:
ml-book-env\Scripts\activate
# macOS/Linux:
source ml-book-env/bin/activate

3. 安装依赖

进入项目目录后，安装所需的第三方库。由于依赖较多，建议分步安装或使用 requirements 文件（如果项目中存在）。若项目中未提供完整的 requirements.txt，可安装核心科学计算栈：

使用 Conda 安装核心库（速度快，编译好二进制包）：

conda install pandas numpy scikit-learn matplotlib seaborn statsmodels jupyter notebook
conda install -c conda-forge nltk gensim spacy
# 深度学习框架可根据需求单独安装，例如：
conda install tensorflow keras

使用 Pip 安装（如需特定最新版本）：

pip install pandas numpy scikit-learn matplotlib seaborn statsmodels jupyterlab
pip install nltk gensim spacy requests
pip install tensorflow keras
# 初始化 spaCy 模型（示例：英文模型）
python -m spacy download en_core_web_sm

注意：部分 NLP 库（如 nltk）首次使用时需要在代码中下载数据包，或在命令行运行 python -m nltk.downloader all。

基本使用

本项目的主要内容位于 notebooks 文件夹下，按章节组织了完整的机器学习流程案例。

1. 启动 Jupyter Notebook

在项目根目录下启动服务：

jupyter notebook

或者使用 JupyterLab：

jupyter lab

2. 运行第一个示例

浏览器会自动打开界面。导航至 notebooks 目录，选择任意章节的 Notebook 文件开始学习。

示例：运行第一章基础概念 (Ch01)

1. 点击 Ch01_Machine_Learning_Basics 文件夹。
2. 打开对应的 .ipynb 文件。
3. 按顺序执行单元格（Cell），观察数据加载、预处理及简单模型的输出。

代码示例片段（源自书中典型流程）： 以下是一个典型的数据加载与简单线性回归的演示逻辑，您可以在新的 Notebook 单元格中尝试：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 1. 加载数据 (以书中常见的自行车共享数据为例，需确保数据文件在对应路径)
# df = pd.read_csv('data/hour.csv') 

# 此处仅为演示结构，实际运行请参照具体章节 Notebook
data = {'feature': [1, 2, 3, 4, 5], 'target': [2, 4, 5, 4, 5]}
df = pd.DataFrame(data)

# 2. 划分特征与目标
X = df[['feature']]
y = df['target']

# 3. 拆分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 4. 构建并训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 5. 预测与评估
predictions = model.predict(X_test)
mse = mean_squared_error(y_test, predictions)

print(f"Model Coefficients: {model.coef_}")
print(f"Mean Squared Error: {mse}")

3. 探索实战案例

完成基础学习后，建议直接进入 Part III: Real-World Case Studies：

• 情感分析：查看 Ch07_Analyzing_Movie_Reviews_Sentiment 学习 NLP 处理。
• 客户细分：查看 Ch08_Customer_Segmentation_and_Effective_Cross_Selling 学习聚类算法。
• 计算机视觉：查看 Ch12_Deep_Learning_for_Computer_Vision 学习 CNN 与迁移学习。

通过直接运行这些 Notebooks，您可以复现书中从数据清洗到模型部署的完整工业级流程。