书名：Spark和Python机器学习实战:预测分析核心方法:第2版
定*：99.9
ISBN：9787**55838*9
作者：迈克尔·鲍尔斯
版次：第*版
出版时间：2022-03

内容提要：
本书着重介绍可以有效预测结果的两类核心算法，*括惩罚线性回归方法和集成方法，然后通过*系列的示例细节来展示针对*同的问题如何使用这些方法。*书分为7章，主要讲述算法的选择、构建预测模型时的要点等内容，并且结合Spark和Python技术，引入岩石与水雷、鲍鱼年龄问题、红酒口感、玻璃分类等*数据集，将机器学习应用到数据预测分析中，帮助读者*面系统地掌握利用机器学习进行预测分析的基本过程，并将其应用到实际项目中。



作者简介：
迈克尔·鲍尔斯（Michael Bowles）在加利福尼亚大学伯克利分校、纽黑文大学和硅谷的黑客道场教授机器学习，为机器学习项目提供咨询，还参与了半导体检测、药品设计、金融市场交易与*化等*域许多*业公司的*办。他在麻省理工学院获得助理教授职位之后，*办并经营了两家硅谷的*业公司，目前这两家公司已上市。

目录：
目录
第 *章 做预测的两类核心算法 *
*.* 为什么这两类算法如此有用 *
*.2 什么是惩罚线性回归方法 5
*.3 什么是集成方法 7
*.4 算法的选择 8
*.5 构建预测模型的步骤 *0
*.5.* 构造*个机器学习问题 *2
*.5.2 *征提取和*征工程 *3
*.5.3 确定训练好的模型的性能 *4
*.6 各章内容及其依赖关系 *4
*.7 小结 *6
第 2章 通过理解数据来了解问题 *7
2.* 剖析*个新问题 *7
2.*.* 属性和标签的*同类型决定模型的选择 *9
2.*.2 新数据集的注意事项 20
2.2 分类问题：用声呐发现未*炸的水雷 2*
2.2.* 岩石与水雷数据集的物理*性 2*
2.2.2 岩石与水雷数据集的统计概要 24
2.2.3 用分位数图展示异常点 26
2.2.4 类别属性的统计*征 28
2.2.5 用Python pandas对岩石与水雷数据集进行统计分析 28
2.3 对岩石与水雷数据集属性进行可视化 3*
2.3.* 用平行坐标图进行可视化 3*
2.3.2 对属性和标签间关系进行可视化 33
2.3.3 用热图对属性和标签的相关性进行可视化 40
2.3.4 对岩石与水雷数据集探究过程的小结 4*
2.4 以因素变量进行实数值预测：鲍鱼的年龄 4*
2.4.* 回归问题的平行坐标图——鲍鱼年龄问题的属性关系可视化 47
2.4.2 将相关性热图用于回归问题——鲍鱼年龄问题的属性对相关性的可视化 50
2.5 用实数值属性进行实数值预测：评估红酒口感 52
2.6 多类别分类问题：玻璃分类 59
2.7 用PySpark理解大规模数据集 63
2.8 小结 67
第3章 构建预测模型：平衡性能、复杂度和大数据 69
3.* 基本问题：理解函数逼近 69
3.*.* 使用训练数据 70
3.*.2 评估预测模型的性能 72
3.2 影响算法选择及性能的因素——复杂度及数据 72
3.2.* 简单问题和复杂问题的比较 73
3.2.2 简单模型和复杂模型的比较 75
3.2.3 影响预测算法性能的因素 79
3.2.4 选择算法：线性或者非线性 79
3.3 评测预测模型的性能 80
3.3.* *同类型问题的性能评测 80
3.3.2 模拟*署后模型的性能 94
3.4 模型与数据的均衡 95
3.4.* 通过权衡问题复杂度、模型复杂度和数据集规模来选择模型 96
3.4.2 使用前向逐步回归来控制过拟合 97
3.4.3 评估并理解预测模型 *02
3.4.4 通过惩罚回归系数来控制过拟合——岭回归 *04
3.5 在*大规模数据集上用PySpark训练惩罚回归模型 **3
3.6 小结 **6
第4章 惩罚线性回归 **7
4.* 为什么惩罚线性回归方法如此有用 **7
4.*.* 模型训练足够快 **8
4.*.2 有变量的重要性信息 **8
4.*.3 *署时评估足够快 **8
4.*.4 性能可靠 **8
4.*.5 *疏解 **9
4.*.6 问题可能需要线性模型 **9
4.*.7 使用集成方法的时机 **9
4.2 惩罚线性回归：对线性回归进行正则化以获得最*性能 **9
训练线性模型：最小化误差等 *2*
4.3 求解惩罚线性回归问题 *26
4.3.* 理解最小角度回归及其与前向步进回归的关系 *26
4.3.2 使用Glmnet：快速且通用 *36
4.4 将线性回归扩展到分类问题 *4*
4.4.* 用惩罚回归求解分类问题 *4*
4.4.2 多类别分类问题的求解 *45
4.4.3 理解基扩展：用线性方法求解非线性问题 *45
4.4.4 将非数值属性引入线性方法 *47
4.5 小结 *50
第5章 用惩罚线性回归方法构建预测模型 *53
5.* 惩罚线性回归的Python* *53
5.2 多变量回归:预测红酒口感 *54
5.2.* 构建并测试预测红酒口感的模型 *55
5.2.2 *署前在整个数据集上进行训练 *58
5.3 二元分类：用惩罚线性回归探测未*炸水雷 *65
5.4 多类别分类：犯罪现场玻璃样本分类 *84
5.5 用PySpark实现线性回归和分类 *87
5.6 用PySpark预测红酒口感 *88
5.7 用PySpark实现逻辑斯蒂回归：岩石与水雷 *93
5.8 将类别变量引入PySpark模型：预测鲍鱼年龄 *98
5.9 具有元参数*化的多类别逻辑斯蒂回归 202
5.*0 小结 205
第6章 集成方法 207
6.* 二元决策树 207
6.*.* 如何用二元决策树进行预测 2*0
6.*.2 如何训练二元决策树 2*0
6.*.3 决策树的训练等同于分割点的选择 2*3
6.*.4 二元决策树的过拟合 2*7
6.*.5 针对分类问题和类别*征所做的修改 220
6.2 自举汇聚：投票法 22*
6.2.* 投票法如何工作 22*
6.2.2 投票法小结 232
6.3 梯度提*法 232
6.3.* 梯度提*法的基本原理 232
6.3.2 获取梯度提*法的最佳性能 236
6.3.3 针对多变量问题的梯度提*法 239
6.3.4 梯度提*法小结 243
6.4 随机森林法 243
6.4.* 随机森林法：投票法加随机属性子集 246
6.4.2 影响随机森林法性能的因素 246
6.4.3 随机森林法小结 248
6.5 小结 248
第7章 用Python构建集成模型 25*
7.* 用Python集成方法*求解回归问题 25*
7.*.* 用梯度提*法预测红酒口感 25*
7.*.2 构建随机森林模型预测红酒口感 257
7.2 将非数值属性引入Python集成模型 265
7.2.* 用Python将鲍鱼性别属性编码引入梯度提*法 265
7.2.2 用梯度提*法评估性能和编码变量的重要性 267
7.2.3 用Python将鲍鱼性别属性编码引入随机森林回归 269
7.2.4 评估性能和编码变量的重要性 272
7.3 用Python集成方法求解二元分类问题 273
7.3.* 用Python梯度提*法探测未*炸水雷 273
7.3.2 测定梯度提*分类器的性能 276
7.3.3 用Python随机森林法探测未*炸水雷 278
7.3.4 构建随机森林模型探测未*炸水雷 279
7.3.5 测定随机森林分类器的性能 283
7.4 用Python集成方法求解多类别分类问题 285
7.4.* 处理类别*均衡问题 286
7.4.2 用梯度提*法对玻璃进行分类 286
7.4.3 测定梯度提*模型在玻璃分类问题上的性能 29*
7.4.4 用随机森林法对玻璃进行分类 292
7.4.5 测定随机森林模型在玻璃分类问题上的性能 296
7.5 用PySpark集成方法*求解回归问题 297
7.5.* 用PySpark集成方法预测红酒口感 298
7.5.2 用PySpark集成方法预测鲍鱼年龄 303
7.5.3 用PySpark集成方法区分岩石与水雷 308
7.5.4 用PySpark集成方法识别玻璃类型 3*2
7.6 小结 3*4