从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战(博文视点出品)

场景式学习，全面覆盖机器学习深度学习强化学习深度强化学习及模型的迁移学习，没有机器学习专业基础也能够上手设计与开发机器学习产品，内容全面，深入浅出，工具多样，案例丰富，授人以渔。

★内容全面

全面覆盖了机器学习的三大领域：有监督学习、无监督学习、强化学习。在分析它们的传统算法模型后，着重解析近年来取得突破的深度学习在人工智能方面的应用。

★深入浅出

用生活化的语言描述算法与模型的原理与作用，并给出实践指导和案例解析。使得没有任何专业基础的读者在学习本书后能够独立设计与开发机器学习产品。

★工具多样

理论内容全面，以至于没有哪个工具能够全部实现这些模型，因此在每一个模型的实践部分选取合适的工具。总体来看，本书围绕scikit-learn与TensorFlow展开实践，并在需要时引入其他工具。

★案例丰富

除了每个模型的小型实践，本书包括的较大案例是：金融预测、医疗诊断概率模型、月球登陆器、图像识别、写诗机器人、中国象棋博弈。

★授人以渔

在运用到较深的理论知识或更细节的论证结果时，本书给出这些知识与结论的出处，确保读者能够追本溯源；在工具使用方面，不仅着眼于接口细节，更关注那些能使读者快速形成查阅该工具在线文档的核心知识的能力。

★《从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战》是一本场景式的机器学习实践书，笔者努力做到“授人以渔，而非授人以鱼”。理论方面从人工智能（AI）与机器学习（ML）的基本要素讲起，逐步展开有监督学习、无监督学习、强化学习这三大类模型的应用场景与算法原理；实践方面通过金融预测、医疗诊断概率模型、月球登陆器、图像识别、写诗机器人、中国象棋博弈等案例启发读者将机器学习应用在各行各业里，其中后三个案例使用了深度学习技术。

★《从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战》试图用通俗的语言讲解涵盖算法模型的机器学习，主要内容包括机器学习通用概念、三个基本科学计算工具、有监督学习、聚类模型、降维模型、隐马尔可夫模型、贝叶斯网络、自然语言处理、深度学习、强化学习、模型迁移等。在深入浅出地解析模型与算法之后，介绍使用Python相关工具进行开发的方法、解析经典案例，使读者做到“能理解、能设计、能编码、能调试”，没有任何专业基础的读者在学习本书后也能够上手设计与开发机器学习产品。

★本书内容深入浅出、实例典型，适合对机器学习感兴趣的产品设计、技术管理、数据分析、软件开发或学生读者。阅读《从机器学习到深度学习：基于scikit-learn与TensorFlow的高效开发实战》既能了解当前工业界的主流机器学习与深度学习开发工具的使用方法，又能从战略方面掌握如何将人工智能技术应用到自己的企业与产品中。

★刘长龙，思维与行动兼备的80后，享受萌生新想法后边开发边思考的创新过程。上海交大硕士毕业后最初任职于上海电信，负责账务与支付系统的开发与实施；之后加入Honeywell负责多个自动化控制产品服务开发、主导了霍尼韦尔中国智能家居在云与大数据上的创新；现在作为思科的工程师在企业内主持多次机器学习技术分享，实现智能文本分析系统、聊天机器人自然语言处理等产品创新；2018年在思科主办，腾讯、网易、诺基亚等共同参与的敏捷与人工智能峰会上担任机器学习算法演讲嘉宾。

第1章 机器学习基础 1

1.1 引言 1

1.1.1 为什么使用机器学习 2

1.1.2 机器学习与数据挖掘 4

1.1.3 机器学习与人工智能 5

1.2 机器学习的一般流程 7

1.2.1 定义问题 7

1.2.2 收集数据 8

1.2.3 比较算法与模型 9

1.2.4 应用模型 10

1.3 学习策略 10

1.3.1 有监督学习 11

1.3.2 无监督学习 14

1.3.3 强化学习 16

1.3.4 综合模型与工具 18

1.4 评估理论 19

1.4.1 划分数据集 19

1.4.2 交叉验证 21

1.4.3 评估指标 22

1.4.4 拟合不足与过度拟合 25

1.5 本章内容回顾 26

第2章 Python基础工具 27

2.1 Numpy 28

2.1.1 Numpy与Scipy的分工 28

2.1.2 ndarray构造 29

2.1.3 数据类型 32

2.1.4 访问与修改 33

2.1.5 轴 35

2.1.6 维度操作 38

2.1.7 合并与拆分 40

2.1.8 增与删 41

2.1.9 全函数 42

2.1.10 广播 42

2.2 Matplot 43

2.2.1 点线图 44

2.2.2 子视图 50

2.2.3 图像 53

2.2.4 等值图 57

2.2.5 三维绘图 58

2.2.6 从官网学习 59

2.3 Scipy 60

2.3.1 数学与物理常数 61

2.3.2 特殊函数库 62

2.3.3 积分 64

2.3.4 优化 65

2.3.5 插值 67

2.3.6 离散傅里叶 68

2.3.7 卷积 70

2.3.8 线性分析 71

2.3.9 概率统计 73

2.4 本章内容回顾 77

第3章 有监督学习：分类与回归 79

3.1 线性回归 80

3.1.1 何谓线性模型 80

3.1.2 最小二乘法 81

3.1.3 最小二乘法的不足 82

3.1.4 岭回归 85

3.1.5 Lasso回归 87

3.2 梯度下降 90

3.2.1 假设函数与损失函数 90

3.2.2 随机梯度下降 92

3.2.3 实战：SGDRegressor和SGDClassifier 93

3.2.4 增量学习 94

3.3 支持向量机 95

3.3.1 最优超平面 95

3.3.2 软间隔 97

3.3.3 线性不可分问题 98

3.3.4 核函数 99

3.3.5 实战：scikit-learn中的SVM 100

3.4 朴素贝叶斯分类 101

3.4.1 基础概率 102

3.4.2 贝叶斯分类原理 103

3.4.3 高斯朴素贝叶斯 105

3.4.4 多项式朴素贝叶斯 106

3.4.5 伯努利朴素贝叶斯 107

3.5 高斯过程 107

3.5.1 随机过程 108

3.5.2 无限维高斯分布 109

3.5.3 实战：gaussian_process工具包 111

3.6 决策树 114

3.6.1 最易于理解的模型 114

3.6.2 熵的作用 115

3.6.3 实战：DecisionTreeClassifier与DecisionTreeRegressor 117

3.6.4 树的可视化 118

3.7 集成学习 119

3.7.1 偏差与方差 120

3.7.2 随机森林 121

3.7.3 自适应增强 124

3.8 综合话题 126

3.8.1 参数与非参数学习 127

3.8.2 One-Vs-All与One-Vs-One 127

3.8.3 评估工具 129

3.8.4 超参数调试 131

3.8.5 多路输出 134

3.9 本章内容回顾 134

第4章 无监督学习：聚类 136

4.1 动机 137

4.2 K-means 138

4.2.1 算法 139

4.2.2 实战：scikit-learn聚类调用 141

4.2.3 如何选择K值 144

4.3 近邻算法 145

4.3.1 生活化的理解 145

4.3.2 有趣的迭代 146

4.3.3 实战：AffinityPropagation类 147

4.4 高斯混合模型 149

4.4.1 中心极限定理 150

4.4.2 最大似然估计 151

4.4.3 几种协方差矩阵类型 152

4.4.4 实战：GaussianMixture类 154

4.5 密度聚类 156

4.5.1 凸数据集 157

4.5.2 密度算法 158

4.5.3 实战：DBSCAN类 159

4.6 BIRCH 160

4.6.1 层次模型综述 161

4.6.2 聚类特征树 162

4.6.3 实战：BIRCH相关调用 164

4.7 距离计算 166

4.7.1 闵氏距离 166

4.7.2 马氏距离 167

4.7.3 余弦相似度 168

4.7.4 时间序列比较 169

4.7.5 杰卡德相似度 169

4.8 聚类评估 170

4.9 本章内容回顾 172

第5章 无监督学习：数据降维 173

5.1 主成分分析 174

5.1.1 寻找方差最大维度 174

5.1.2 用PCA降维 177

5.1.3 实战：用PCA寻找主成分 178

5.2 线性判别分析 181

5.2.1 双重标准 181

5.2.2 实战：使用LinearDiscriminantAnalysis 183

5.3 多维标度法 185

5.3.1 保留距离信息的线性变换 185

5.3.2 MDS的重要变形 187

5.3.3 实战：使用MDS类 188

5.4 流形学习之Isomap 189

5.4.1 什么是流形 190

5.4.2 测地线距离 192

5.4.3 实战：使用Isomap类 193

5.5 流形学习之局部嵌入 195

5.5.1 局部线性嵌入 195

5.5.2 拉普拉斯特征映射（LE） 198

5.5.3 调用介绍 200

5.5.4 谱聚类 201

5.6 流形学习之t-SNE 203

5.6.1 用Kullback-Leiber衡量分布相似度 203

5.6.2 为什么是t-分布 205

5.6.3 实战：使用TSNE类 206

5.7 实战：降维模型之比较 207

5.8 本章内容回顾 210

第6章 隐马尔可夫模型 212

6.1 场景建模 213

6.1.1 两种状态链 213

6.1.2 两种概率 215

6.1.3 三种问题 217

6.1.4 hmmLearn介绍 218

6.2 离散型分布算法与应用 222

6.2.1 前向算法与后向算法 222

6.2.2 MultinomialNB求估计问题 226

6.2.3 Viterbi算法 227

6.2.4 MultinomialNB求解码问题 229

6.2.5 EM算法 232

6.2.6 Baum-Welch算法 233

6.2.7 用hmmLearn训练数据 235

6.3 连续型概率分布 236

6.3.1 多元高斯分布 237

6.3.2 GaussianHMM 239

6.3.3 GMMHMM 240

6.4 实战：股票预测模型 241

6.4.1 数据模型 241

6.4.2 目标 243

6.4.3 训练模型 243

6.4.4 分析模型参数 245

6.4.5 可视化短线预测 247

6.5 本章内容回顾 250

第7章 贝叶斯网络 251

7.1 什么是贝叶斯网络 252

7.1.1 典型贝叶斯问题 252

7.1.2 静态结构 253

7.1.3 联合/边缘/条件概率换算 256

7.1.4 链式法则与变量消元 258

7.2 网络构建 259

7.2.1 网络参数估计 260

7.2.2 启发式搜索 261

7.2.3 Chow-Liu Tree算法 262

7.3 近似推理 263

7.3.1 蒙特卡洛方法 264

7.3.2 马尔可夫链收敛定理 265

7.3.3 MCMC推理框架 267

7.3.4 Gibbs采样 268

7.3.5 变分贝叶斯 268

7.4 利用共轭建模 270

7.4.1 共轭分布 270

7.4.2 隐含变量与显式变量 272

7.5 实战：胸科疾病诊断 274

7.5.1 诊断需求 274

7.5.2 Python概率工具包 275

7.5.3 建立模型 276

7.5.4 MCMC采样分析 278

7.5.5 近似推理 281

7.6 本章内容回顾 282

第8章 自然语言处理 284

8.1 文本建模 285

8.1.1 聊天机器人原理 285

8.1.2 词袋模型 286

8.1.3 访问新闻资源库 287

8.1.4 TF-IDF 290

8.1.5 实战：关键词推举 290

8.2 词汇处理 294

8.2.1 中文分词 294

8.2.2 Word2vec 296

8.2.3 实战：寻找近似词 298

8.3 主题模型 303

8.3.1 三层模型 303

8.3.2 非负矩阵分解 304

8.3.3 潜在语意分析 305

8.3.4 隐含狄利克雷分配 307

8.3.5 实战：使用工具包 309

8.4 实战：用LDA分析新闻库 311

8.4.1 文本预处理 311

8.4.2 训练与显示 313

8.4.3 困惑度调参 315

8.5 本章内容回顾 317

第9章 深度学习 319

9.1 神经网络基础 320

9.1.1 人工神经网络 320

9.1.2 神经元与激活函数 321

9.1.3 反向传播 323

9.1.4 万能网络 325

9.2 TensorFlow核心应用 328

9.2.1 张量 329

9.2.2 开发架构 331

9.2.3 数据管理 332

9.2.4 评估器 335

9.2.5 图与会话 338

9.2.6 逐代（epoch）训练 341

9.2.7 图与统计可视化 343

9.3 卷积神经网络 349

9.3.1 给深度学习一个理由 349

9.3.2 CNN结构发展 351

9.3.3 卷积层 354

9.3.4 池化层 356

9.3.5 ReLU与Softmax 357

9.3.6 Inception与ResNet 359

9.4 优化 362

9.4.1 批次规范化 362

9.4.2 剪枝 364

9.4.3 算法选择 366

9.5 循环神经网络与递归神经网络 367

9.5.1 循环神经网络 368

9.5.2 长短期记忆（LSTM） 371

9.5.3 递归神经网络 374

9.6 前沿精选 377

9.7 CNN实战：图像识别 385

9.8 RNN实战：写诗机器人 397

9.9 本章内容回顾 415

第10章 强化学习 418

10.1 场景与原理 419

10.2 OpenAI Gym 427

10.3 深度强化学习 435

10.4 博弈原理 444

10.5 实战：中国象棋版AlphaGo Zero 449

10.6 本章内容回顾 477

第11章 模型迁移 478

11.1 走向移动端 478

11.2 迁移学习 483

11.3 案例实战：基于TensorFlow Hub的迁移学习开发 485

11.4 本章内容回顾 488

后记 489

篇幅限制，完整目录请见本书

11.3 案例实战：基于TensorFlow Hub的迁移学习开发

在2018年的TensorFlow开发峰会上，一个最大的焦点就是TensorFlow Hub的正式发布。它是一个可重用TensorFlow模型库，其中收纳了很多被训练良好的语言模型与图像识别模型，其目的就是允许使用者基于这些基础模型进行迁移学习开发。

本节解析TensorFlow Hub官网上的花卉识别项目，指导读者完成迁移学习的实战开发。在实践之前，通过pip3命令安装TensorFlow Hub：

# pip3 install tensorflow-hub

11.3.1 下载并训练

如图11-5所示，迁移学习开发的前提是具备：

◎ 训练样本。

◎ 原模型。

在基于TensorFlow Hub的迁移学习开发中，前者需要开发者自己准备（或者从TensorFlow网站下载示例样本），后者可以通过TensorFlow Hub所提供的API从GitHub上下载。从官网下载本项目训练样本的方法如下。

# curl -LO http://download.tensorflow.org/example_images/flower_photos. tgz

# tar -zxvf flower_photos.tgz

然后下载示例迁移学习训练程序并运行：

# curl -LO https://github.com/tensorflow/hub/raw/r0.1/examples/image_ retraining/retrain.py

# python3 retrain.py --image_dir ./flower_photos

该程序首先自动从官网下载一个inception_v3花卉识别已训练好的模型，然后利用该模型在flower_photos上进行迁移学习训练。其中flower_photos中的样本不包括在训练原始inception_v3模型的样本中。

11.3.2 检验学习成果

在训练结束后，新模型保存在/tmp/output_graph.pb文件中。可以下载官方GitHub上的另外一个程序，检验新模型对花卉的识别能力。比如：

# curl -LO https://github.com/tensorflow/tensorflow/raw/master/ tensorflow/examples/label_image/ label_image.py

# python3 label_image.py --graph=/tmp/output_graph.pb --labels=/tmp/ output_labels.txt --input_layer=Placeholder --output_layer=final_result --image=./flower_photos/roses/12240303_80d87f77a3_n.jpg

其中image参数指定的是要识别图像文件的名称。这里传入的仍然是下载的flower_photos样本集中的文件，该样本集的内容如图11-6所示。

对于图11-6中所示图片给出的预测结果为：

roses 0.9862179

tulips 0.013723418

sunflowers 3.7595066e-05

daisy 1.3961036e-05

dandelion 7.034586e-06

即模型认为超过98%的可能是：该图片为玫瑰。显然效果非常不错。

11.3.3 迁移学习开发

本案例的模型分类程序label_image.py与第9章内容相比没有新知识点，留给读者自己分析。接下来讲解retrain.py中用于迁移学习的关键代码：

（1）通过hub.load_module_spec()可以下载TensorFlow Hub上的已训练模型，比如：

import tensorflow_hub as hub

module_spec = hub.load_module_spec(FLAGS.tfhub_module)

graph, bottleneck_tensor, resized_image_tensor, wants_quantization = (

create_module_graph(module_spec))

其中tfhub_module是形如'https://tfhub.dev/google/imagenet/inception_v3/feature_vector /1'的模型地址。create_module_graph() 函数从下载的模型中提取出图模型、bottleneck层等变量。

思考：还记得bottleneck层是指什么吗？

（2）用得到的bottleneck_tensor执行图结构，可以得到图11-5中bottleneck层产生的“新样本”：

resized_input_values = sess.run(decoded_image_tensor, # 转换图像大小

{image_data_tensor: image_data})

bottleneck_values = sess.run(bottleneck_tensor, # 读取bottleneck样本

{resized_input_tensor: resized_input_values})

（3）新建一个分类层，接续在bottleneck层之后：

with graph.as_default(): # 使用原模型图结构

(train_step, cross_entropy, bottleneck_input,

ground_truth_input, final_tensor) = add_final_retrain_ops(# 追加一层

class_count, FLAGS.final_tensor_name, bottleneck_tensor,

wants_quantization, is_training=True)

这样，新模型的最终输出张量是final_tensor。

（4）用bottleneck样本训练新模型：

train_accuracy, cross_entropy_value = sess.run(

[evaluation_step, cross_entropy],

feed_dict={bottleneck_input: train_bottlenecks, # bottleneck样本

ground_truth_input: train_ground_truth}) # 样本标签

代码文件retrain.py中的代码有逾千行，不再详细列举。读者在阅读时只需要抓住这里列出的关键点，就可以很容易地掌握迁移学习的开发技巧。

11.4 本章内容回顾

谷歌在Android上发布了很多已训练的图像/文本深度学习模型，非常便于集成；苹果在iOS 11及其后续版本中也制作了很多已训练模型。

CoreML Tool可以将用TensorFlow、scikit-learn训练的模型转换为在iOS上可以直接使用的模型。

迁移学习是一种基于已训练模型、通过较少样本即可训练出泛化能力较强新模型的机器学习方式。

迁移学习模型的训练方式为，先通过已有模型生成bottleneck样本，然后用bottleneck样本训练新模型。

在TensorFlow Hub上发布了很多用于迁移学习的基础模型，可查询官方网站获取最新模型信息。

随着越来越多的人工智能技术的突破、市场上实际产品的研发与销售，机器学习成为了当下所有高科技企业在管理、技术、运维等所有层面被高度关注的技术领域。在所有企业的产品设计论坛、技术研讨会中，人工智能与机器学习总会成为大家关注的焦点。

但是，人工智能与机器学习所获得的关注与大家对该领域知识的了解却不成正比。以笔者自身的经历来说，在顶尖高科技企业的技术研讨与分享会中，很多次被问到：

机器学习与深度学习的区别是什么？

什么是有监督学习？

人工智能能不能应用在我们的产品中？

这些问题既可以用一两句话回答，也可以用一本书来阐述。无论如何，笔者能肯定的一点是：大家对机器学习充满兴趣，但平时又忙于工作和生活，无暇系统地学习这方面的知识。

机器学习作为一个知识体系而言确实是庞大的，系统学习它至少要以扎实掌握数学和计算机本科6～7门课程为基础。但是这些课程已经让很多在校学生“备受折磨”，更别提终日忙于工作与家庭、已毕业多年的企业管理与工程人员了。

如何让对数学久疏战阵或者本就不擅长数学的人快速领略和掌握人工智能与机器学习的全貌呢？

本书试图用通俗的语言讲解涵盖算法模型的机器学习。更进一步地，在深入浅出解析模型与算法之后，介绍使用Python相关工具进行开发的方法、解析经典案例，使读者做到“能理解，能设计、能编码、能调试”，真正将机器学习应用在自己的产品之中。

本书特色

1．内容全面

全面覆盖了机器学习的三大领域：有监督学习、无监督学习、强化学习。在分析它们的传统算法模型后，着重解析近年来取得突破的深度学习在人工智能方面的应用。

2．深入浅出

用生活化的语言描述算法与模型的原理与作用，并给出实践指导和案例解析。使得没有任何专业基础的读者在学习本书后能够独立设计与开发机器学习产品。

3．工具多样

理论内容全面，以至于没有哪个工具能够全部实现这些模型，因此在每一个模型的实践部分选取最合适的工具。总体来看，本书围绕scikit-learn与TensorFlow展开实践，并在需要时引入其他工具。

4．案例丰富

除了每个模型的小型实践，本书包括的较大案例是：金融预测、医疗诊断概率模型、月球登陆器、图像识别、写诗机器人、中国象棋博弈。

5．授人以渔

在运用到较深的理论知识或更细节的论证结果时，本书给出这些知识与结论的出处，确保读者能够追本溯源；在工具使用方面，不仅着眼于接口细节，更关注那些能使读者快速形成查阅该工具最新在线文档的核心知识的能力。

本书内容体系

虽然本书每章有明确的主题内容，但知识体系有轻微依赖关系，因此对于普通读者来说建议按编排顺序阅读。对于有特定需求的读者，可以按照下图寻找学习路径。

除了第2章，学习上图中任何一个模块前，都建议以其上方的章节为基础。第2章介绍的是后续其他章节里实践所依赖的Python基础工具，对于只关注模型场景与原理的读者可将其跳过。

从图中可以看到，除了基础的第1、2章，本书由3条学习线组成。

（1）第3、9、10、11章

第3章以scikit-learn为工具介绍有监督学习的传统模型；第9章是本书篇幅最大的一章，以TensroFlow为工具学习近年来发展最快的深度学习模型，因为其与第8章有少量关联，所以放在了第9章；第10章学习强化学习传统算法与深度学习算法；第11章简单介绍深度学习模型的迁移方法。

（2）第4、5章

用scikit-learn讲解无监督学习模型原理、算法与应用。无监督学习中最主要的两部分是聚类与降维，在讲解过程中比较了每个模型的优势与劣势。

（3）第6、7、8章

讲解概率类机器学习模型的原理与实战。第6章作为入门使读者领略概率模型的特点；第7章全面介绍贝叶斯类算法的基本知识和简单实践；第8章的重点是LDA主题模型，以第7章的内容为基础。

只要按照图中的顺序学习，几乎不需要任何基础就可以掌握图中所有机器学习领域的基本方法，为今后在这方面进行研究与工作打下坚实的基础。

本书读者

本书几乎适合任何对机器学习感兴趣的读者，比较典型的是：

◎ 产品设计经理。

◎ 技术管理者。

◎ 信息技术创业者。

◎ 数据分析员。

◎ 软件开发人员。

◎ 在校学生。

另外，如果您已经是机器学习领域的资深研究者，能看懂相关论文，或正准备在专业杂志上发表这方面的论文，可能这本书会不那么适合你。谨此说明。

感谢

感谢您的信任，如果阅读这本书能启发您获得新的灵感，那是我最大的荣幸。同时也因为本人水平有限，书中内容有疏漏之处也请赐教和包涵。