Python数据科学与机器学习：从入门到实践

本书介绍了使用Python行数据分析和高效的机器学习，首先从一节Python速成课始，然后回顾统计学和概率论的基础知识，着深讨论与数据挖掘和机器学习相关的60多个主题，包括贝叶斯定理、聚类、决策树、回归分析、实验设计等。
【推荐语】
数据科学家实践指南，依据高科技公司中数据科学家的职位描述和要求，创作本书。 提供三大实战案例： 1.使用真实的电影评分数据创建一个电影推荐系统； 2.创建一个能实际运行的维基百科数据搜索引擎； 3.创建一个垃圾邮件分类器，可以对邮件账户中的垃圾邮件和正常邮件行正确的分类。 本书涵盖准备分析数据、训练机器学习模型和可视化分析结果等主题，有助你提高使用Python高效地行数据分析和机器学习的能力，并建立信心以更好地分析自己的机器学习模型。 ●清理和准备数据，使其可用于分析 ●应用Python中流行的聚类和回归方法 ●使用决策树和随机森林训练高效的机器学习模型 ●使用Python Matplotlib库对分析结果行可视化 ●使用Apache Spark的MLlib包在大型数据库上行机器学习
【作者】
Frank Kane，Sundog Software公司创始人，曾在Amazon和IMDb工作近9年，在分布式计算、数据挖掘和机器学习等领域持有17项专利。 【译者简介】 陈光欣，毕业于清华大学并留校工作，主要兴趣为数据分析与数据挖掘。