機器學習實戰：基於Python SKlearn的解析（簡體書）

本書前6章介紹基礎準備、數據探索、數據預處理、機器學習模型（分類、回歸、聚類）、集成學習、模型評估及持久化；第7章介紹機器學習在土木工程中的應用場景，並以五個工程案例系統化講解SKlearn庫的應用。
本書“輕原理、重實踐”，適合廣大對機器學習有興趣，並且想系統學習數理統計的讀者；也可用作機器學習培訓、高校教材或作為學習SKlearn庫的工具書。

屈希峰，七年Python技術開發相關經驗。2017年，使用Flask、MongoDB開發網站；2018年開發微信小程序：注冊土木、注道、愛伴讀等，其中微信小程序注冊土木累計關注者1.2萬人；2019年開發Windows桌面應用文字表格公式識別神器.exe，累計用戶3千余人。使用Python期間，在知乎開設專欄記錄經驗，當前知乎關注者2.25萬，其中編程專欄關注者4千余人。在工作中，探索Python編程在土木工程工程中的應用，對BIM、GIS以及數值分析軟件的二次開發都有涉獵，現階段工作重心在於如何將物聯網及機器學習應用到土木行業智能檢測和監測領域。

系統：以“輕原理、重實踐”為原則，詳細解析機器學習庫SKlearn

通俗：從參數調用的角度，適合零基礎讀者快速入門並掌握SKlearn

深入：由淺及深熟悉數據探索、預處理、模型選擇、集成學習、模型評估流程

案例：用五個工程案例系統化講解SKlearn庫分類、回歸、聚類，讓你碼上就用

近些年，機器學習廣泛應用於計算機、醫療、金融、智能設備等領域。目前，關於機器學習的書籍種類繁多，有科普性質的初級系列，也有深度解析原理、手寫算法系列，但以工程案例為背景的系統化圖書較少，尤其在土木工程等傳統行業，乏善可陳；筆者查詢了一些有關土木領域的科研論文及畢業論文，關於機器學習的論文數量也有限。然而公眾號以及知乎上的土木同行對 Python，尤其是機器學習在行業中的應用非常期待，寄希望於降低日常重復性工作環節（諸如設計、施工、科研等）。

因此，筆者從自己熟悉的巖土領域，本著“輕原理、重實踐”的原則，避開複雜的機器學習原理，從參數調用（調包）的角度，解析機器學習庫 SKlearn 的常用模型。本書適合零基礎的讀者，以便快速入門並掌握 SKlearn 的精髓。

■ 本書構架

章名

主要內容

第 1 章

主要介紹機器學習的基本理論、相關 Python 庫和必要的編程環境配置

第 2 章

介紹如何使用 Pandas 庫加載數據，並對數據進行探索性分析。例如，查看數據的統計特徵、分布、相關性等

第 3 章

介紹數據預處理方法。通常我們拿到的數據或多或少都存在一些瑕疵和不足，也就是常說的“臟”數據，這就需要對數據進行清洗。例如，對數據進行變換、降維、特徵選取等操作

第 4 章

介紹 SKlearn 中常用的分 類、回 歸、聚類模 型。其 中，分類模型包括

DecisionTree、Bayes、KNN、SVM； 回 歸 模 型 包 括 Ridge Regression、Lasso

Regression、SVR；聚類模型包括 K-means、Spectral Clustering、Mean Shift 等

第 5 章

介紹常用的集成學習算法，包括自適應增強算法、梯度提升樹、隨機森林。利用集成學習算法組合多個弱監督模型，得到一個更好更全面的強監督模型

第 6 章

介紹模型評估方法及指標。分類問題中的評估指標包括準確率、精確率、召回率、

F1 值；回歸問題中的評估指標包括絕對誤差平均值、誤差平方平均值、驗證曲線、學習曲線等。在確定最優模型後，需要進一步優化模型參數，並對訓練好的模型進行持久化保存

第 7 章

通過五個工程案例分析，分別系統化解析了二分類、多分類、回歸、聚類算法的具體應用

機器學習實戰——基於 Python SKlearn 的解析

■ 本書特點

系統：以“輕原理、重實踐”為原則，詳細解析機器學習庫 SKlearn； 通俗：從參數調用的角度，適合零基礎讀者快速入門並掌握 SKlearn；

深入：由淺及深熟悉數據探索、預處理、模型選擇、集成學習、模型評估流程； 案例：用五個工程案例系統化講解 SKlearn 庫分類、回歸、聚類，實用性強。

■ 本書目的

希望閱讀本書的讀者能夠掌握機器學習 SKlearn 庫常用模型的調用方式，將其應用到自身行業中，創造出屬於自己的研究成果。

■ 素材資源下載

由於筆者的水平有限，書中難免會出現錯誤或者不準確的地方，懇請讀者批評指正。為此方便讀者學習，本書配套資源下載。

筆者

2023 年 2 月

第1章 基礎準備
1.1 機器學習
1.1.1 機器學習概述
1.1.2 機器學習任務
1.1.3 機器學習經驗
1.1.4 機器學習性能
1.2 Python編程
1.2.1 Python
1.2.2 NumPy和SciPy
1.2.3 Matplotlib
1.2.4 Pandas
1.2.5 SKlearm
1.2.6 Yellowbrick
1.3 Python 環境配置
1.3.1 安裝Anaconda
1.3.2 運行Jupyter Notebook
第2章 數據探索
2.1 數據讀取和保存
2.1.1 TXT數據
2.1.2 CSV數據
2.1.3 XLS數據
2.1.4 SOL數據
2.1.5 NOSOL數據
2.2 數據特徵分析
2.2.1 描述性統計
2.2.2 分布分析
2.2.3 對比分析
2.2.4 相關性分析
第3章 數據預處理
3.1 數據清洗
3.1.1 缺失值處理
3.1.2 異常值處理
3.1.3 數據一致性處理
3.2 數據變換
3.2.1 二元化
3.2.2 獨熱碼
3.2.3 標準化
3.2.4 正則化
3.2.5 數據變換應用
3.3 數據降維
3.3.1 主成分分析
3.3.2 線性判別分析
3.3.3 多維縮放降維
3.3.4 流形學習
3.4 特徵選取
3.4.1 過濾式特徵選取
3.4.2 包裹式特徵選取
3.4.3 嵌入式特徵選取
3.5 數據降維與特徵選取的差別
第4章 機器學習模型
4.1 線性模型
4.1.1 線性回歸模型
4.1.2 邏輯回歸模型
4.2 決策樹
4.2.1 回歸決策樹
4.2.2 分類決策樹
4.3 貝葉斯分類器
4.3.1 高斯貝葉斯分類器
4.3.2 多項式貝葉斯分類器
4.3.3 伯努利貝葉斯分類器
4.4 KNN
4.4.1 KNN分類
4.4.2 KNN回歸
4.5 聚類
4.5.1 K均值聚類
4.5.2 密度聚類
4.5.3 層次聚類
4.5.4 高斯混合聚類
4.6 支持向量機
4.6.1 線性分類
4.6.2 非線性分類
4.6.3 線性回歸
4.6.4 非線性回歸
第5章 集成學習
5.1 常用的集成學習方法——AdaBoost
5.1.1 分類
5.1.2 回歸
5.2 梯度提升樹
5.2.1 GBDT算法的分類類——GradientBoostingClassifier
5.2.2 GBDT算法的回歸類——GradientBoostingRegressor
5.3 隨機森林
5.3.1 RandomForestClassifier模型
5.3.2 RandomForestRegressor模型
第6章 模型評估及持久化
6.1 損失函數
6.1.1 0-1損失
6.1.2 對數損失
6.2 數據切分
6.2.1 train-test-split()方法
6.2.2 KFold()方法
6.2.3 StratifiedKFold()方法
6.2.4 LeaveOneOut()方法
6.2.5 crossVal-score()方法
6.3 性能度量
6.4 參數優化
6.5 模型持久化
第7章 項目實踐
7.1 工程應用場景
7.1.1 可行性研究階段
7.1.2 設計階段
7.1.3 施工階段
7.1.4 監理監測
7.1.5 運營維護
7.2 邊坡穩定性預測
7.2.1 數據探索
7.2.2 數據預處理
7.2.3 模型選擇
7.2.4 模型評估
7.2.5 模型持久化
7.3 地質物探預測
7.3.1 數據探索
7.3.2 數據預處理
7.3.3 集成學習
7.3.4 模型評估
7.3.5 模型持久化
7.4 隧道巖爆分級預測
7.4.1 數據探索
7.4.2 數據預處理
7.4.3 集成學習
7.4.4 模型評估
7.4.5 模型持久化
7.5 混凝土強度預測
7.5.1 數據探索
7.5.2 數據預處理
7.5.3 模型選擇
7.5.4 參數優化
7.5.5 模型持久化
7.6 膨脹土膨脹性等級分類
7.6.1 數據探索
7.6.2 數據預處理
7.6.3 分類簇數選擇
7.6.4 模型評估
7.6.5 模型持久化