编辑推荐
Python机器学习入门，以实战为重点，配有大量代码和案例，简单、快速、易学。
内容简介
本书内容主要包括Python语言的基础知识、实践中最常用的机器学习算法及其原理，以及实践中的机器学习算法应用，还有一些深度学习框架的讲解和应用。
展开全文
- 封面
- 扉页
- 版权信息
- 内容提要
- 前言
- 第1章 环境配置与准备知识
- 1.1 环境配置
- 1.2 机器学习相关概念
- 1.2.1 机器学习中的数据
- 1.2.2 训练集和测试集
- 1.2.3 欠拟合与过度拟合
- 1.2.4 人工智能、机器学习、深度学习
- 第2章 Python基础知识
- 2.1 hello world！
- 2.2 变量
- 2.3 操作符
- 2.3.1 基本运算符
- 2.3.2 比较运算符
- 2.3.3 逻辑运算符
- 2.4 字符串
- 2.4.1 基础
- 2.4.2 转义字符
- 2.4.3 索引和切片
- 2.4.4 字符串方法
- 2.5 列表
- 2.6 集合
- 2.7 字典
- 2.8 循环语句
- 2.9 判断语句
- 2.10 函数
- 2.11 面向对象编程
- 第3章 数值计算扩展工具——Numpy
- 3.1 创建数组
- 3.1.1 创建元素为0或1的数组
- 3.1.2 将列表转换为数组
- 3.1.3 生成一串数字
- 3.1.4 生成特殊数组
- 3.2 数组索引
- 3.3 排序与查询
- 3.4 随机数生成器
- 3.5 数学函数
- 3.5.1 三角函数
- 3.5.2 指数与对数
- 3.5.3 约数
- 3.5.4 数组自身加乘
- 3.5.5 算术运算
- 3.6 统计函数
- 3.7 线性代数
- 第4章 数据分析工具——Pandas
- 4.1 序列对象Series
- 4.1.1 创建Series对象
- 4.1.2 Series索引
- 4.1.3 查看Series相关属性
- 4.1.4 二元运算
- 4.1.5 统计方法
- 4.1.6 缺失值处理
- 4.1.7 排序
- 4.1.8 计数与重复
- 4.1.9 其他
- 4.2 数据框对象DataFrame
- 4.2.1 创建数据框
- 4.2.2 行操作
- 4.2.3 列操作
- 4.3 分组对象GroupBy
- 4.3.1 基本函数
- 4.3.2 统计函数
- 第5章 可视化展示库——Matplotlib
- 5.1 作图类命令
- 5.1.1 折线图
- 5.1.2 柱状图和条形图
- 5.1.3 散点图
- 5.1.4 饼图
- 5.1.5 面积图
- 5.2 坐标轴控制
- 5.2.1 axis
- 5.2.2 xlim与ylim
- 5.2.3 xticks与yticks
- 5.2.4 xlabel与ylabel
- 5.3 其他设置
- 第6章 通用型开源机器学习库——Scikit
- 6.1 预处理
- 6.1.1 标准化
- 6.1.2 非线性转换
- 6.1.3 归一化
- 6.1.4 二值化
- 6.1.5 分类特征编码
- 6.1.6 缺失值插补
- 6.1.7 生成多项式特征
- 6.2 降维
- 6.3 有监督学习与无监督学习
- 6.4 模型评估
- 6.4.1 测试集评分
- 6.4.2 交叉验证迭代器
- 6.4.3 分层交叉验证迭代器
- 6.4.4 分组迭代器
- 6.4.5 时间序列交叉验证
- 第7章 机器学习常用数据集
- 7.1 boston房价数据集
- 7.1.1 数据集基本信息描述
- 7.1.2 数据探索
- 7.2 diabetes糖尿病数据集
- 7.2.1 数据基本信息描述
- 7.2.2 数据探索
- 7.3 digits手写字体识别数据集
- 7.3.1 数据集基本信息描述
- 7.3.2 数据集探索
- 7.4 iris鸢尾花数据集
- 7.4.1 数据集基本信息描述
- 7.4.2 数据探索
- 7.5 wine红酒数据集
- 7.5.1 数据集基本信息描述
- 7.5.2 数据探索
- 第8章 线性回归算法
- 8.1 从二次函数到机器学习
- 8.1.1 二次函数最优求解方法
- 8.1.2 梯度下降
- 8.1.3 梯度下降的Python实现
- 8.1.4 初始值与学习速率α的选择
- 8.2 深入理解线性回归算法
- 8.2.1 回归曲线的数学解释
- 8.2.2 梯度下降方法求解最优直线
- 8.2.3 理解“机器学习”中的“学习”
- 8.2.4 导数求解与梯度下降
- 8.2.5 学习速率α与迭代次数的设置
- 8.3 线性回归算法实战——糖尿病患者病情预测
- 第9章 逻辑回归算法
- 9.1 逻辑回归算法的基础知识
- 9.1.1 直线分割平面
- 9.1.2 逻辑函数
- 9.2 深入理解逻辑回归算法
- 9.2.1 直线分类器与逻辑回归的结合
- 9.2.2 Sigmoid函数的作用
- 9.2.3 逻辑回归模型
- 9.3 逻辑回归算法实战——二维鸢尾花分类
- 第10章 神经网络算法
- 10.1 神经网络算法的基础知识
- 10.1.1 逻辑回归与神经网络的关系
- 10.1.2 激活函数
- 10.2 深入理解神经网络算法
- 10.2.1 神经网络的表示
- 10.2.2 做回归的神经网络
- 10.2.3 做二分类的神经网络
- 10.2.4 做多分类的神经网络
- 10.3 神经网络的应用
- 10.3.1 MLPClassifier分类
- 10.3.2 MLPRegressor回归
- 第11章 线性判别算法
- 11.1 线性判别算法的核心知识
- 11.1.1 方差
- 11.1.2 投影
- 11.1.3 投影方式与方差的关系
- 11.2 线性判别算法详解
- 11.2.1 投影的实际应用
- 11.2.2 另一种思路解决重叠问题
- 11.2.3 线性判别算法的实质
- 11.3 线性判别算法实战——花卉分类
- 第12章 K最近邻算法
- 12.1 K最近邻算法的核心知识
- 12.1.1 两点的距离公式
- 12.1.2 权重
- 12.2 K最近邻算法详解
- 12.2.1 K最近邻算法原理
- 12.2.2 K最近邻算法的关键——k的选择
- 12.2.3 距离加权最近邻算法
- 12.3 K最近邻算法实战——手写字体识别
- 第13章 决策树方法与随机森林
- 13.1 决策树方法的基本知识
- 13.2 决策树方法的原理
- 13.2.1 信息熵
- 13.2.2 分割数据
- 13.2.3 计算信息增益
- 13.3 决策树方法实战——红酒分类
- 13.4 随机森林
- 第14章 贝叶斯算法
- 14.1 贝叶斯算法的基础知识
- 14.1.1 概率
- 14.1.2 条件概率
- 14.1.3 联合概率
- 14.1.4 贝叶斯定理
- 14.2 深入理解贝叶斯算法
- 14.2.1 先验概率和后验概率
- 14.2.2 词向量
- 14.2.3 贝叶斯模型
- 14.3 贝叶斯算法实战——文本分类
- 第15章 支持向量机
- 15.1 支持向量机的基础知识
- 15.1.1 向量
- 15.1.2 点积
- 15.1.3 投影
- 15.1.4 向量与代数直线的关系
- 15.2 深入理解支持向量机
- 15.2.1 超平面
- 15.2.2 支持向量机在二维空间的超平面
- 15.2.3 计算最优超平面
- 15.3 支持向量机实战——鸢尾花分类
- 第16章 PCA降维算法
- 16.1 PCA降维算法的核心知识
- 16.1.1 矩阵的直观理解
- 16.1.2 特征向量的本质
- 16.1.3 协方差
- 16.1.4 协方差矩阵
- 16.2 PCA降维算法详解
- 16.2.1 协方差矩阵的特征向量
- 16.2.2 PCA降维算法的Python实现
- 16.3 PCA降维算法实战——iris数据集可视化
- 第17章 SVD奇异值分解
- 17.1 SVD奇异值分解的相关知识
- 17.2 深入理解矩阵作用
- 17.2.1 矩阵作用
- 17.2.2 将矩阵作用分解为特征向量作用
- 17.2.3 将矩阵作用分解为奇异矩阵作用
- 17.3 SVD奇异值分解的应用
- 17.3.1 U矩阵的理解
- 17.3.2 V矩阵的理解
- 17.3.3 S矩阵的理解
- 第18章 聚类算法
- 18.1 深入理解K均值聚类算法
- 18.2 Scikit库中的K均值聚类算法
- 18.3 其他聚类算法
- 第19章 深度学习框架及其应用
- 19.1 TensorFlow
- 19.1.1 TensorFlow的基本概念
- 19.1.2 TensorFlow的应用
- 19.2 Keras
- 19.3 PyTorch
- 19.4 Caffe
展开全部
版权信息
出版社：人民邮电出版社
出版时间：2020
作者：王新宇
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Python机器学习开发实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
出版时间：2020
作者：王新宇
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Python机器学习开发实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
Python机器学习开发实战
免费读 (VIP)