一次活用Python和Apache Spark，帶你精通機器學習及資料科學！
★提供資料科學必備的資料分析工具和技術
★在Python中訓練出高效能機器學習模型
★為你的商品打造出強而有力的推薦系統
★靈活運用Apache Spark進行大數據處理工作
作者Frank Kane曾在亞馬遜和IMDb等知名企業工作，從事機器學習演算法工作。在踏入資料科學的世界中，本書將提供你探索資料科學的核心領域所需的工具，以及各種動手做練習和信心建議，讓你打造自己的機器學習模型。透過簡單易懂的實作範例及大量的圖文解說，你將學會K-Means集群、貝氏方法、預測模型、推薦系統、Apache Spark、實驗設計等核心主題。
本書涵蓋了全面且詳盡的資料科學內容，首先帶你快速認識Python語言、基礎統計學和機率概念，接著深入討論資料探勘、機器學習相關等60多個主題。我們將用真實使用者的影評分數資料開發出一套電影推薦系統，並建立一個可實際運作的維基百科資料搜尋引擎。此外，我們還將建立一個垃圾郵件分類器，它可以將電子郵件帳戶中的垃圾郵件和正常郵件進行正確分類。此外，本書還有一個章節專門介紹如何將這個分類器擴展到使用Apache Spark的大數據叢集系統上。
讀完本書後，你將能活用各種Python中的資料探勘和資料分析技術，找出資料中的價值，並開發出優質的預測模型，讓你能預測未來的結果。另外，你還能靈活運用Apache Spark，針對大數據執行大規模機器學習。認識資料科學工作並非難事，從分析資料前的資料準備工作、訓練機器學習模型，到最終的資料分析結果視覺化……你都將一次精通！
在這本書中，你將學到：
• 清理和準備資料，讓資料能用於分析
• 用Python實作熱門的集群和迴歸方法
• 利用決策樹和隨機森林訓練高效率的機器學習模型
• 使用Python Matplotlib程式庫對分析結果進行視覺化
• 使用Apache Spark的MLlib在大型資料集上進行機器學習
適用讀者：
• 剛入行的新手資料科學家
• 想用Python對資料進行分析、獲得實用資訊的資料分析師
• 有Python程式設計經驗、想進入資料科學領域的程式設計師
讀者可以到博碩文化官網輸入書號或書名，下載「練習題參考解答」。
作者
Frank Kane
在Amazon和IMDb等知名企業工作了九年，期間內處理了數百萬個客戶評分及客戶交易，製作個人化電影和產品推薦系統，和「購買這個商品的人也買了」服務。目前在分散式運算、資料探勘和機器學習等領域已擁有17項授權專利。
Frank Kane於2012年離開了前公司，自行成功創立了一家公司，名為Sundog Software，公司主要負責VR環境科技、傳授大數據分析課程。
目錄
前言
Chapter 1：Python入門
1.1 安裝Enthought Canopy
1.2 使用並學習Jupyter Notebook
1.3 Python基礎：第一部分
1.4 認識Python程式碼
1.5 導入模組
1.6 Python基礎：第二部分
1.7 執行Python腳本
1.8 總結
Chapter 2：統計與機率快速複習以及Python程式碼實現
2.1 資料類型
2.2 平均數、中位數和眾數
2.3 在Python中計算平均數、中位數和眾數
2.4 標準差和變異數
2.5 機率密度函數和機率質量函數
2.6 資料分佈類型
2.7 百分位數和動差
2.8 總結
Chapter 3：Matplotlib與高等機率概念
3.1 Matplotlib快速入門
3.2 共變異數與相關性 099
3.3 條件機率 107
3.4 貝氏定理 114
3.5 總結
Chapter 4：預測模型
4.1 線性迴歸
4.2 多項式迴歸
4.3 多元迴歸和預測汽車售價實作
4.4 多層次模型
4.5 總結
Chapter 5：利用Python進行機器學習
5.1 機器學習及訓練／測試法
5.2 用訓練／測試法防止多項式迴歸中的過度擬合
5.3 貝氏方法及概念
5.4 使用單純貝氏實現垃圾郵件分類器
5.5 K-Means集群
5.6 利用收入與年齡進行人口集群
5.7 熵的測量
5.8 決策樹概念
5.9 使用Python產生錄用決策樹
5.10 整合學習
5.11 支援向量機概述
5.12 在scikit-learn中利用SVM對人進行集群
5.13 總結
Chapter 6：推薦系統
6.1 什麼是推薦系統
6.2 以項目為基礎的協同過濾
6.3 以項目為基礎的協同過濾是如何運作的
6.4 找出電影相似度
6.5 改善電影相似度結果
6.6 向使用者推薦電影
6.7 改善推薦結果
6.8 總結
Chapter 7：更多資料探勘和機器學習技術
7.1 KNN
7.2 使用KNN預測電影評分
7.3 資料降維與主成分分析
7.4 對鳶尾花資料集使用PCA
7.5 資料倉儲概述
7.6 強化學習
7.7 總結
Chapter 8：處理真實世界資料
8.1 偏差－變異數的權衡
8.2 使用K折交叉驗證來避免過度擬合
8.3 資料清理和正規化
8.4 清理網站日誌資料
8.5 數值型資料的正規化
8.6 檢測離群值
8.7 總結
Chapter 9：Apache Spark——大數據上的機器學習
9.1 安裝Spark
9.2 認識Spark
9.3 Spark和彈性分散式資料集（RDD）
9.4 MLlib簡介
9.5 在Spark中使用MLlib實作決策樹
9.6 在Spark中實現K-Means集群
9.7 TF-IDF
9.8 使用Spark MLlib搜尋維基百科
9.9 使用Spark 2.0中的MLlib資料框API
9.10 總結
Chapter 10：測試與實驗設計
10.1 A/B測試的概念
10.2 t檢定與p值
10.3 使用Python計算t統計量和p值
10.4 確定實驗持續時間
10.5 A/B測試中的陷阱
10.6 總結
