隨著大數(shù)據(jù)的興起，Python 和機器學(xué)習(xí)迅速成為時代的寵兒。本書在內(nèi)容編排上避免了枯燥的理論知識講解，依循“理論簡述——實際數(shù)據(jù)集——Python 程序?qū)崿F(xiàn)算法”分析數(shù)據(jù)的思路，根據(jù)實際數(shù)據(jù)集的分析目的，采用合適的主流機器學(xué)習(xí)算法來解決問題。全書共12章，其中第1 ～ 4 章介紹了機器學(xué)習(xí)的基礎(chǔ)知識;第5 ～ 12 章討論了在面對不同的數(shù)據(jù)時，如何采用一些主流的算法來解決問題，主要包括回歸分析、關(guān)聯(lián)規(guī)則、無監(jiān)督學(xué)習(xí)、文本LDA 模型、決策樹和集成學(xué)習(xí)、樸素貝葉斯和K 近鄰分類、支持向量機和神經(jīng)網(wǎng)絡(luò)，以及深度學(xué)習(xí)入門等內(nèi)容。針對每個算法，都給出Python 代碼實現(xiàn)算法建模的過程，并結(jié)合可視化技術(shù)，幫助讀者更好地理解算法和分析結(jié)果。

什么是機器學(xué)習(xí)呢?說白了就是讓機器代替人工從數(shù)據(jù)中發(fā)掘我們所需要的信息，如果對于海量的數(shù)據(jù)來說，對于人工來做的話將花費大量的人力物力，所以將這項任務(wù)交給計算機來做，人們來做更加高級的任務(wù)。 那么怎樣能夠讓機器進行學(xué)習(xí)呢?首先對于人來說，比如讓人的肉眼去識別兩種植物的圖片，如果要求人的識別精度很高的話，那么就需要人類在識別之前觀察大量的兩種植物圖片，來進行積累經(jīng)驗，以至于之后人們再次見到類似圖片時，能夠精確的分析出圖片的內(nèi)容。這種學(xué)習(xí)方式對于人類來說比較容易，因為人類有大腦參與可以進行記憶分析，那么對于計算機來說，那么怎么去記住這么多的數(shù)據(jù)，然后去識別新的數(shù)據(jù)呢?無非就是建立自變量與因變量之間的某種關(guān)系來達到預(yù)測學(xué)習(xí)的作用，這里的自變量就是我們數(shù)據(jù)的特征，因變量就是數(shù)據(jù)對應(yīng)的標(biāo)簽，這就會用到很多常見的機器學(xué)習(xí)算法，例如隨機森林，SVM、支持向量機等算法。

現(xiàn)在我們的生活中有很多機器學(xué)習(xí)算法的應(yīng)用，比如說當(dāng)我們逛淘寶時，淘寶會不斷地向我們進行推薦我們之前看過的物品，這是基于關(guān)系規(guī)則的商品推薦，還有就是最近很火的圖像識別，它是利用了深度學(xué)習(xí)方面的技術(shù)。我們在不同的場景下，可以使用不同的算法來實現(xiàn)我們的需求。

有人問?有沒有那種非常無敵的算法，其實這個問題很難回答，每種算法有自己使用的領(lǐng)域，針對不用的使用場景需要用到不同的東西，有的算法可能精度非常高，但是可能它的底層的計算方法相當(dāng)復(fù)雜，可能模型運行的時間會相當(dāng)高，有的算法雖然精度差一些，但是它的速度方面可能略強于別的算法，所以沒有什么強不強的，就是看自己的需求有針對性地使用合理地算法。

Python應(yīng)用的領(lǐng)域包括如下場景。

(1)Web應(yīng)用開發(fā)

Python經(jīng)常被用于Web開發(fā)。例如，通過mod_wsgi模塊，Apache可以運行用Python編寫的Web程序。Python定義了WSGI標(biāo)準(zhǔn)應(yīng)用接口來協(xié)調(diào)HTTP服務(wù)器與基于Python的Web程序之間的通信。一些Web框架，如Django、TurboGears、web2py、Zope等，可以讓程序員輕松地開發(fā)和管理復(fù)雜的Web程序。

(2)操作系統(tǒng)管理、服務(wù)器運維的自動化腳本

在很多操作系統(tǒng)里，Python是標(biāo)準(zhǔn)的系統(tǒng)組件。大多數(shù)Linux發(fā)行版以及NetBSD、OpenBSD和Mac OS X都集成了Python，可以在終端下直接運行Python。有一些Linux發(fā)行版的安裝器使用Python語言編寫，如Ubuntu的Ubiquity安裝器、Red Hat Linux和Fedora的Anaconda安裝器。Gentoo Linux使用Python來編寫它的Portage(包管理系統(tǒng))。Python標(biāo)準(zhǔn)庫包含了多個調(diào)用操作系統(tǒng)功能的庫。通過pywin32這個第三方軟件包，Python能夠訪問Windows的COM服務(wù)及其他WindowsAPI。使用IronPython，Python能夠直接調(diào)用.Net Framework。一般說來，Python編寫的系統(tǒng)管理腳本在可讀性、性能、代碼重用度、擴展性幾方面都優(yōu)于普通的shell腳本。

(3)科學(xué)計算

NumPy、SciPy、Matplotlib可以讓Python程序員編寫科學(xué)計算程序。

(4)桌面軟件

PyQt、PySide、wxPython、PyGTK是Python快速開發(fā)桌面應(yīng)用程序的利器。

(5)服務(wù)器軟件(網(wǎng)絡(luò)軟件)

Python對于各種網(wǎng)絡(luò)協(xié)議的支持都很完善，所以經(jīng)常被用于編寫服務(wù)器軟件、網(wǎng)絡(luò)爬蟲。第三方庫Twisted支持異步網(wǎng)絡(luò)編程和多數(shù)標(biāo)準(zhǔn)的網(wǎng)絡(luò)協(xié)議(包含客戶端和服務(wù)器)，并且提供了多種工具，被廣泛用于編寫高性能的服務(wù)器軟件。

(6)游戲

很多游戲使用C++編寫圖形顯示等高性能模塊，而使用Python或者Lua編寫游戲的邏輯、服務(wù)器。相較于Python，Lua的功能更簡單，體積更小;而Python則支持更多的特性和數(shù)據(jù)類型。

隨著數(shù)據(jù)科學(xué)(Data Science)技術(shù)的興起，人工智能(ArtificialIntelligence)、機器學(xué)習(xí)(Machine Learning) 成為近幾年來計算機科學(xué)界十分熱門的研究領(lǐng)域，如今在實體和在線的學(xué)習(xí)機器學(xué)習(xí)的資源有很多，本文整理了一些好用學(xué)習(xí)資源希望幫助初學(xué)者能更容易使用 Python 入門機器學(xué)習(xí)的領(lǐng)域中，從零開始學(xué)習(xí)機器學(xué)習(xí)。若是對于數(shù)據(jù)科學(xué)不熟悉的讀者可以先參考適用于初學(xué)者的資料科學(xué)影片 ，讓自己對于數(shù)據(jù)科學(xué)有初步的認(rèn)識。

在數(shù)據(jù)科學(xué)和機器學(xué)習(xí)領(lǐng)域最重要的兩大程序語言就是Python 和R，Python 簡潔易學(xué)、應(yīng)用范圍廣(不限于數(shù)據(jù)分析)且學(xué)習(xí)曲線平緩，適合作為第一個入門的程序語言，透過pandas、SciPy/NumPy、sckikit-learn、matplotlib和statsmodels 可以進行數(shù)據(jù)分析的工作，適合工程任務(wù)和需要和網(wǎng)絡(luò)應(yīng)用程序整合的項目。至于R 由于是統(tǒng)計學(xué)家開發(fā)的程序語言，則是擅長于統(tǒng)計分析、圖表繪制，常用于學(xué)術(shù)研究領(lǐng)域，建議也要有一定程度的掌握。一般情況下Python 和R 并非互斥，而是互補，許多數(shù)據(jù)工程師、科學(xué)家往往是在Python 和R 兩個語言中轉(zhuǎn)換，小量模型驗證、統(tǒng)計分析和圖表繪制使用R，當(dāng)要撰寫算法和數(shù)據(jù)庫、網(wǎng)絡(luò)服務(wù)互動等情況時在移轉(zhuǎn)到Python。為了降低學(xué)習(xí)成本。

此外Python本身是一種通用語言，除了數(shù)據(jù)科學(xué)外也可以廣泛使用在 網(wǎng)絡(luò)開發(fā)、網(wǎng)站建置、游戲開發(fā)、網(wǎng)絡(luò)爬蟲等領(lǐng)域，當(dāng)你需要整合系統(tǒng)產(chǎn)品服務(wù)時，可以擔(dān)任一站式的開發(fā)語言，更重要的是 Python 也可以當(dāng)成 膠水語言非常輕易和 C/C++ 等效能較佳的語言整合。簡而言之，Python是一種簡潔易學(xué)但功能強大，值得投資的程序語言，所以我們這邊先使用Python 進行介紹。