Python是一种面向对象的脚本语言，广泛应用于Web开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。本书是作者长期应用Python进行机器学习开发实践的经验结晶，主要内容包括Python数据读取的技巧，数据探索性分析，数据预处理，特征选择，特征选择的常用技巧，算法模型，sklearn类库，Python中数据可视化的常用方法等。本书具有针对性、系统性、实操性强，原创度高的特点，读者对代码进行简单修改，就可以直接拿来使用。
本书适合于具有一定Python基础，且有志于从事机器学习、人工智能开发的读者使用。

1 数据读取
1.1 数据读取常见问题
1.2 核心代码
1.2.1 读取Excel、csv、txt、json数据
1.2.2 读取docx文件和查询关键词
1.2.3 读取日志、图像、声音、视频
1.2.4 Oracle、MySQL数据读取
1.2.5 读取Hive数据
1.2.6 数据导出到本地
2 数据探索性分析
2.1 数据查看
2.2 数据统计
2.3 数据分组分析
2.4 相关性分析
2.5 典型案例
3 数据预处理
3.1 注意问题
3.2 核心代码
3.2.1 缺失值检测和处理
3.2.2 异常值检测和处理
3.2.3 数据标准化规范化正则化
3.2.4 数据平滑处理
3.2.5 样本类别分布不均衡处理
3.2.6 数据降维
3.2.7 训练集验证集切分
3.3 典型案例
3.3.1 原理
3.3.2 代码
4 特征选择
4.1 过滤式特征提取
4.2 递归特征消除
4.3 嵌入式特征提取
4.4 典型案例
5 算法建模
5.1 主流数据挖掘算法
5.1.1 有监督学习
5.1.2 无监督学习
5.2 自动化调参
5.2.1 暴力搜索寻优
5.2.2 随机搜索寻优
5.3 组合分类模型器
5.3.1 原理
5.3.2 函数及代码
5.4 典型案例
5.4.1 人脸识别
5.4.2 多方程模型预测
6 可视化
6.1 基本图形
6.1.1 折线图
6.1.2 面积图
6.1.3 柱形图
6.1.4 散点图
6.1.5 饼图
6.2 分析图形
6.2.1 词云图
6.2.2 相似度热力图
6.2.3 箱式分布图
6.2.4 对应分析图