在過去要處理資料，就要用C語言撰寫函數；在Python裡，別人已寫好了許多套件，只要像是在玩樂高積木一樣，就能完成你想要的結果。因此我會說，現在是最好學機器學習的時候，你等於是站在巨人的肩膀上學習。



　　本書沒有複雜的數學，沒有複雜的程式碼，有系統的編排，引領你進入機器學習的世界。



　　我們會介紹sklearn的資料預處理；簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、k最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。



　　另外，大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標：正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線，我們也會一次詳細說明，讓你一手掌握。



　　實例演練時會操作中英文的文字處理，並做情感分析和主題探索。還有知名的大數據資料庫，包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。



　　最後教大家如何將深度學習的模組也包裝到sklearn。



　　現在就讓我們一起學習Python，用機器學習掌握人工智慧。



本書特色



　　1. 本書利用Python的sklearn套件做資料預處理。



　　2. 本書介紹簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、k最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。



　　3. 在非監督模型的部分，會介紹Kmeans。



　　4. 內容清楚說明ColumnTransformer、管道器製作。及許多書沒有解釋清楚的模型預測重要指標：正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線。



　　5. 以實例演練方式操作中英文的文字分析、大數據資料庫分析及預測等應用。