Python大規模機器學習（簡體書）

本書不僅介紹大規模機器學習的基本概念，還包含豐富的案例研究。書中所選皆為最實用的技術和工具，而對理論細節不進行深入討論，旨在提供大規模機器學習方法（甚至非常規方法）。不管是初學者、普通用戶還是專家級用戶，通過本書都能理解並掌握利用Python進行大規模機器學習。為讓讀者快速掌握核心技術，本書由淺入深講解大量實例，圖文並茂呈現每一步的操作結果，幫助讀者更好地掌握大規模機器學習Python工具。例如：基於Scikit-learn可擴展學習、 Liblinear和Vowpal Wabbit快速支持向量機、基於Theano與H2O的大規模深度學習方法、TensorFlow深度學習技術與在線神經網絡方法、大規模分類和回歸樹的可擴展解決方案、大規模無監督學習（PCA，聚類分析和主題建模等）擴展方法、Hadoop和Spark分布式環境、Spark機器學習實踐以及Theano和GPU計算的基礎知識。

Bastiaan Sjardin是一位具有人工智能和數學背景的數據科學家和公司創始人。他獲得萊頓大學和麻省理工學院（MIT）校園課程聯合培養的認知科學碩士學位。在過去五年中，他從事過廣泛的數據科學和人工智能項目。他是密歇根大學社會網絡分析課程Coursera和約翰斯·霍普金斯大學機器學習實踐課程的常客。他擅長Python和R編程語言。目前,他是Quandbee(http://wwwquandbeecom)的聯合創始人，該公司主要提供大規模機器學習和人工智能應用。
Luca Massaron是一位數據科學家和市場研究總監，擅長多元統計分析、機器學習和客戶洞察力研究，在解決實際問題和應用推理、統計、數據挖掘和算法來為用戶創造價值方面有十多年經驗。從成為意大利網絡觀眾分析的先驅，到躋身前十名的Kaggler，他一直對數據分析充滿熱情，還向專業人士和普通大眾展示數據驅動知識發現的潛力，相比不必要的複雜性，他更喜歡簡潔。他相信僅僅通過基本操作就可以在數據科學中收穫很多東西。
Alberto Boschetti是一位具有信號處理和統計專業知識的數據科學家。他獲得電信工程博士學位，目前在倫敦生活和工作。在其工作項目中，他面臨過從自然語言處理（NLP）和機器學習到分布式處理的挑戰。 他在工作中充滿熱情，始終努力瞭解數據科學的*新發展，他喜歡參加聚會、會議和其他活動。

譯者序
前言
作者簡介
審校者簡介
第1章邁向可擴展性的第一步1
11詳細解釋可擴展性1
111大規模實例3
112介紹Python4
113使用Python進行向上擴展4
114使用Python進行向外擴展5
12Python用於大規模機器學習6
121選擇Python 2還是Python 36
122安裝Python7
123逐步安裝7
124安裝軟件包8
125軟件包升級9
126科學計算發行版10
127Jupyter/IPython介紹11
13Python包13
131NumPy14
132SciPy14
133pandas14
134Scikitlearn15
135小結21
第2章Scikitlearn中的可擴展學習22
21非核心學習22
211選擇子採樣23
212一次優化一個實例24
213構建非核心學習系統25
22流化源數據25
221處理真實數據集26
222第一個示例――流化共享單車數據集28
223使用pandas I/O工具30
224使用數據庫31
225關注實例排序35
23隨機學習37
231批處理梯度下降37
232隨機梯度下降40
233Scikitlearn的SGD實現40
234定義SGD學習參數42
24數據流的特徵管理43
241描述目標46
242哈希技巧49
243其他基本變換51
244流測試和驗證52
245使用SGD52
25小結56
第3章實現快速SVM57
31測試數據集58
311共享單車數據集58
312森林覆蓋類型數據集58
32支持向量機59
321hinge loss及其變形64
322Scikitlearn的SVM實現65
323探究通過子採樣改善非線性SVM68
324使用SGD實現大規模SVM70
33正則化特徵選擇77
34SGD中的非線性78
35超參數調整82
36小結96
第4章神經網絡與深度學習97
41神經網絡架構98
411神經網絡如何學習106
412選擇正確的架構110
413使用神經網絡111
414sknn並行化111
42神經網絡和正則化113
43神經網絡和超參數優化115
44神經網絡和決策邊界117
45用H2O進行規模化深度學習120
451用H2O進行大規模深度學習121
452H2O上的網格搜索124
46深度學習和無監督預訓練126
47使用theanets進行深度學習126
48自動編碼器和無監督學習128
49小結131
第5章用TensorFlow進行深度學習132
51TensorFlow安裝134
52在TensorFlow上使用SkFlow進行機器學習140
53安裝Keras和TensorFlow148
54在TensorFlow中通過Keras實現卷積神經網絡152
541卷積層153
542池化層153
543全連接層154
55增量CNN方法156
56GPU計算156
57小結159
第6章大規模分類和回歸樹160
61bootstrap聚合162
62隨機森林和極端隨機森林163
63隨機搜索實現快速參數優化167
64CART和boosting172
65XGBoost179
651XGBoost回歸181
652XGBoost流化大型數據集184
653XGBoost模型存儲185
66用H2O實現非核心CART185
661H2O上的隨機森林和網格搜索186
662H2O上的隨機梯度增強和網格搜索188
67小結191
第7章大規模無監督學習192
71無監督方法192
72特徵分解：PCA193
721隨機化PCA199
722增量PCA200
723稀疏PCA201
73使用H2O的PCA202
74K-均值聚類算法203
741初始化方法206
742K-均值假設206
743選擇最佳K209
744擴展K-均值算法：小批量212
75用H2O實現K-均值216
76LDA218
77小結226
第8章分布式環境――Hadoop和Spark227
81從單機到集群227
82設置VM230
821VirtualBox230
822Vagrant232
823使用VM232
83Hadoop生態系統234
831架構234
832HDFS235
833MapReduce242
834YARN250
84Spark250
85小結260
第9章Spark機器學習實踐261
91為本章設置虛擬機261
92跨集群節點共享變量262
921廣播只讀變量262
922累加器只寫變量264
923廣播和累加器的示例265
93Spark的數據預處理267
931JSON文件和Spark DataFrame268
932處理缺失數據270
933在內存中分組和創建表271
934將預處理的DataFrame或RDD寫入磁盤273
935使用Spark DataFrame274
94Spark機器學習276
941Spark處理KDD99數據集277
942讀取數據集277
943特徵工程280
944訓練學習器284
945評估學習器的表現286
946機器學習管道的威力286
947手動優化288
948交叉驗證291
95小結293
附錄介紹GPU和Theano294