這本書全面透徹講解Scikit-learn的來龍去脈，讀完本書，便可搞通Scikit-learn方方面面的知識。語言通俗易懂，輕松易學講解主干明確，脈絡清晰案例精心挑選，實用性強

●1 機器學習
1.1 機器學習和人工智能
1.2 機器學習和大數據
1.3 機器學習和數據挖掘
1.4 機器學習分類和應用
1.5 機器學習開發步驟
1.5.1 數據挖掘標準流程
1.5.2 機器學習開發步驟
本章小結
2 Scikit-learn預備知識
2.1 NumPy
2.1.1 NumPy數組概念
2.1.2 NumPy數據類型
2.1.3 NumPy數組創建
2.1.4 NumPy數組操作
2.1.5 NumPy隨機數
2.1.6 NumPy輸入輸出
2.1.7 NumPy矩陣
2.1.8 NumPy線性代數
2.1.9 NumPy常數
2.2 Pandas
2.2.1 Pandas數據結構
2.2.2 Pandas頂層函數
2.2.3 Pandas應用舉例
2.3 SciPy庫
2.3.1 SciPy庫基礎知識
2.3.2 稀疏矩陣及其處理
2.3.3 SciPy庫應用舉例
2.4 Matplotlib
2.4.1 Matplotlib基礎知識
2.4.2 Matplotlib應用舉例
本章小結
3 Scikit-learn基礎應用
3.1 機器學習的算法和模型
3.1.1 特征變量和目標變量
3.1.2 算法訓練
3.1.3 過擬合和欠擬合
3.1.4 模型性能度量
3.2 模型選擇
3.3 Scikit-learn的功能模塊
3.4 Scikit-learn應用
3.4.1 安裝Scikit-learn
3.4.2 數據導入
3.4.3 模型持久化
3.4.4 文本數據處理
3.4.5 隨機狀態控制
3.4.6 分類型變量處理
3.4.7 Pandas數據框處理
3.4.8 輸入輸出約定
3.5 應用實例
本章小結
4 Scikit-learn數據變換
4.1 概念介紹
4.1.1 評估器（estimator）
4.1.2 轉換器（transformer）
4.1.3 管道（pipeline）
4.2 數據預處理
4.2.1 數據標準化
4.2.2 數據非線性轉換
4.2.3 數據歸一化
4.2.4 分類型特征變量編碼
4.2.5 數據離散化
4.2.6 特征組合
4.3 缺失值處理
4.3.1 單變量插補
4.3.2 多變量插補
4.3.3 最近鄰插補
4.3.4 標記插補缺失值
4.4 目標變量預處理
4.4.1 多類別分類標簽二值化
4.4.2 多標簽分類標簽二值化
4.4.3 目標變量標簽編碼
本章小結
5 Scikit-learn特征抽取和降維
5.1 特征抽取
5.1.1 字典列表對像向量化
5.1.2 特征哈希
5.1.3 文本特征抽取
5.1.4 圖像特征抽取
5.2 特征降維
5.2.1 主成分分析
5.2.2 特征聚合
5.2.3 隨機投影
本章小結
附錄
1.互操作和框架增強包
2.評估器和任務擴展包
3.統計知識擴展包
4.推薦引擎擴展包
5.特定領域的擴展包

本書主要內容包括機器學習介紹，NumPy、Pandas、SciPy庫、Matplotlib（可視化）四個基礎模塊，Scikit-learn算法、模型、擬合、過擬合、欠擬合、模型性能度量指標、數據標準化、非線性轉換、離散化，以及特征抽取和降維的各種方法，包括特征哈希、文本特征抽取、特征聚合等。全書通過實用範例和圖解形式講解，選材典型，案例豐富，適合從事大數據、數據挖掘、機器學習等人工智能領域開發的各類人員。 本書是上冊，首先簡要介紹了機器學習的基礎知識以及學習Scikit-learn的預備知識，然後重點講解學習和掌握Scikit-learn的基礎知識和基本功能，包括數據變換、特征抽取和降維技術等功能，這些都是高效應用Scikit-learn的推薦知識。