精通数据清洗与预测建模——基于 Scikit-Learn 的机器学习实战
内容简介
《Ultimate Machine Learning with Scikit-Learn》是一本权威资源，深入讲解了数据准备、建模技术以及强大机器学习算法背后的理论基础，并结合 Python 与 Scikit-Learn 进行实践。
本书从基础技术入手，首先讲解高效数据预处理的核心技能，为后续的稳健分析奠定基础。接着，你将学习逻辑回归和决策树，掌握预测建模的核心工具，确保对关键方法论有扎实的理解。随后，你将深入时间序列数据分析，并通过朴素贝叶斯学习处理非结构化数据的有效策略。
在过渡到实时数据流分析时，本书将介绍 K 近邻算法（KNN）的动态方法，并结合支持向量机（SVM）处理高维数据。同时，你将学习如何使用孤立森林进行异常检测，并在股票市场数据分析中利用集成方法提升预测性能。
读完本书后，你将精通数据工程与机器学习流水线（ML Pipelines），具备应对最复杂分析任务的信心与能力。
目录
- 使用线性回归进行数据预处理
- 结构化数据与逻辑回归
- 时间序列数据与决策树
- 非结构化数据处理与朴素贝叶斯
- 实时数据流与 K 近邻算法
- 稀疏分布数据与支持向量机
- 异常检测与孤立森林
- 股票市场数据与集成方法
- 高级分析中的数据工程与机器学习流水线 附录：索引
