Machine Learning Mastery with Python

Preface......Page 9
I Introduction......Page 10
Machine Learning in Python......Page 11
Summary......Page 15
II Lessons......Page 17
Python......Page 18
scikit-learn......Page 19
Python Ecosystem Installation......Page 20
Summary......Page 22
Python Crash Course......Page 23
NumPy Crash Course......Page 28
Matplotlib Crash Course......Page 30
Pandas Crash Course......Page 32
Summary......Page 34
Considerations When Loading CSV Data......Page 35
Load CSV Files with the Python Standard Library......Page 36
Load CSV Files with Pandas......Page 37
Summary......Page 38
Peek at Your Data......Page 40
Dimensions of Your Data......Page 41
Descriptive Statistics......Page 42
Class Distribution (Classification Only)......Page 43
Correlations Between Attributes......Page 44
Tips To Remember......Page 45
Summary......Page 46
Univariate Plots......Page 47
Multivariate Plots......Page 50
Summary......Page 54
Data Transforms......Page 56
Rescale Data......Page 57
Standardize Data......Page 58
Binarize Data (Make Binary)......Page 59
Summary......Page 60
Feature Selection......Page 61
Recursive Feature Elimination......Page 62
Principal Component Analysis......Page 63
Feature Importance......Page 64
Summary......Page 65
Evaluate Machine Learning Algorithms......Page 66
Split into Train and Test Sets......Page 67
Leave One Out Cross Validation......Page 68
Repeated Random Test-Train Splits......Page 69
Summary......Page 70
Algorithm Evaluation Metrics......Page 71
Classification Metrics......Page 72
Regression Metrics......Page 76
Summary......Page 78
Algorithm Spot-Checking......Page 79
Linear Machine Learning Algorithms......Page 80
Nonlinear Machine Learning Algorithms......Page 81
Summary......Page 84
Algorithms Overview......Page 85
Linear Machine Learning Algorithms......Page 86
Nonlinear Machine Learning Algorithms......Page 88
Summary......Page 91
Compare Machine Learning Algorithms Consistently......Page 92
Summary......Page 95
Data Preparation and Modeling Pipeline......Page 96
Feature Extraction and Modeling Pipeline......Page 98
Summary......Page 99
Combine Models Into Ensemble Predictions......Page 100
Bagging Algorithms......Page 101
Boosting Algorithms......Page 103
Voting Ensemble......Page 105
Summary......Page 106
Grid Search Parameter Tuning......Page 107
Random Search Parameter Tuning......Page 108
Summary......Page 109
Finalize Your Model with pickle......Page 110
Finalize Your Model with Joblib......Page 111
Summary......Page 112
III Projects......Page 114
Practice Machine Learning With Projects......Page 115
Machine Learning Project Template in Python......Page 116
Machine Learning Project Template Steps......Page 117
Summary......Page 119
The Hello World of Machine Learning......Page 120
Load The Data......Page 121
Summarize the Dataset......Page 122
Data Visualization......Page 124
Evaluate Some Algorithms......Page 127
Make Predictions......Page 130
Summary......Page 131
Problem Definition......Page 132
Load the Dataset......Page 133
Analyze Data......Page 134
Data Visualizations......Page 137
Validation Dataset......Page 142
Evaluate Algorithms: Baseline......Page 143
Evaluate Algorithms: Standardization......Page 145
Improve Results With Tuning......Page 147
Ensemble Methods......Page 148
Tune Ensemble Methods......Page 150
Finalize Model......Page 151
Summary......Page 152
Load the Dataset......Page 153
Analyze Data......Page 154
Validation Dataset......Page 161
Evaluate Algorithms: Baseline......Page 162
Evaluate Algorithms: Standardize Data......Page 164
Algorithm Tuning......Page 166
Ensemble Methods......Page 169
Finalize Model......Page 170
Summary......Page 171
Small Projects on Small Datasets......Page 172
Summary......Page 173
IV Conclusions......Page 175
How Far You Have Come......Page 176
Help With Python......Page 177
Help With Pandas......Page 178
Help With scikit-learn......Page 179