内容简介
本书共8章，内容包括Python概述、NumPy数值计算、pandas基础、pandas进阶、Matplotlib绘图、scikit-learn、餐饮企业综合分析与预测、通信运营商客户流失分析与预测。前6章设置了选择题、填空题和操作题，后两章设置了操作题，希望通过练习和操作实践，读者可以巩固所学的内容。
展开全文
- 第 1 章 Python 概述
- 1.1 Python 简介
- 1.1.1 Python 语言
- 1.1.2 Python 与机器学习
- 1.1.3 Python 环境配置
- 1.2 Python 基础知识
- 1.2.1 固定语法
- 1.2.2 运算符
- 1.2.3 数据类型
- 1.2.4 Python I/O
- 1.3 控制语句
- 1.3.1 条件语句
- 1.3.2 循环语句
- 1.4 函数
- 小结
- 课后习题
- 第 2 章 NumPy 数值计算
- 2.1 ndarray 的创建与索引
- 2.1.1 创建ndarray
- 2.1.2 ndarray 的索引和切片
- 2.2 ndarray 的基础操作
- 2.2.1 变换ndarray 的形态
- 2.2.2 排序与搜索
- 2.3 ufunc
- 2.3.1 ufunc 的广播机制
- 2.3.2 常用ufunc 运算
- 小结
- 课后习题
- 第 3 章 pandas 基础
- 3.1 pandas 常用类
- 3.1.1 Series
- 3.1.2 DataFrame
- 3.1.3 Index
- 3.2 DataFrame 基本操作
- 3.2.1 索引
- 3.2.2 排序
- 3.2.3 合并
- 3.3 其他数据类型操作
- 3.3.1 时间操作
- 3.3.2 文本操作
- 3.3.3 category 操作
- 小结
- 课后习题
- 第 4 章 pandas 进阶
- 4.1 数据的读取与写出
- 4.1.1 CSV
- 4.1.2 Excel
- 4.1.3 数据库
- 4.2 DataFrame 进阶
- 4.2.1 统计分析
- 4.2.2 分组运算
- 4.2.3 透视表和交叉表
- 4.3 数据准备
- 4.3.1 缺失值处理
- 4.3.2 重复数据处理
- 4.3.3 连续特征离散化处理
- 4.3.4 哑变量处理
- 小结
- 课后习题
- 第 5 章 Matplotlib 绘图
- 5.1 Matplotlib 绘图基础
- 5.1.1 编程风格
- 5.1.2 动态rc 参数
- 5.2 分析特征关系常用图形
- 5.2.1 散点图
- 5.2.2 折线图
- 5.3 分析特征内部数据状态常用图形
- 5.3.1 直方图与条形图
- 5.3.2 饼图
- 5.3.3 箱线图
- 小结
- 课后习题
- 第 6 章 scikit-learn
- 6.1 数据准备
- 6.1.1 标准化
- 6.1.2 归一化
- 6.1.3 二值化
- 6.1.4 独热编码
- 6.2 降维
- 6.2.1 PCA
- 6.2.2 ICA
- 6.2.3 LDA
- 6.3 分类
- 6.3.1 Logistic 回归
- 6.3.2 SVM
- 6.3.3 决策树
- 6.3.4 KNN
- 6.3.5 朴素贝叶斯
- 6.3.6 随机森林
- 6.3.7 多层感知机
- 6.4 回归
- 6.4.1 最小二乘回归
- 6.4.2 岭回归
- 6.4.3 Lasso 回归
- 6.5 聚类
- 6.5.1 K-Means
- 6.5.2 层次聚类
- 6.5.3 DBSCAN
- 6.5.4 GMM
- 6.6 模型验证
- 6.6.1 数据集划分
- 6.6.2 交叉验证
- 6.6.3 自动调参
- 6.6.4 模型评价
- 小结
- 课后习题
- 第 7 章 餐饮企业综合分析与预测
- 7.1 餐饮企业需求分析
- 7.1.1 餐饮企业现状与需求
- 7.1.2 餐饮企业数据基本状况
- 7.1.3 餐饮企业数据分析的步骤与流程
- 7.2 数据准备
- 7.2.1 统计每日用餐人数与销售额
- 7.2.2 数据预处理
- 7.3 使用K-Means 算法进行客户价值分析
- 7.3.1 构建RFM 特征
- 7.3.2 构建K-Means 模型
- 7.3.3 K-Means 模型结果分析
- 7.4 使用决策树算法实现餐饮客户流失预测
- 7.4.1 构建客户流失特征
- 7.4.2 构建客户流失预测模型
- 7.4.3 分析决策树模型结果
- 小结
- 课后习题
- 第 8 章 通信运营商用户流失分析与预测
- 8.1 通信运营商用户流失需求分析
- 8.1.1 通信运营商现状与需求
- 8.1.2 通信运营商数据基本情况
- 8.1.3 通信运营商用户流失分析与预测的步骤与流程
- 8.2 数据准备
- 8.2.1 数据去重与降维
- 8.2.2 数据清洗
- 8.2.3 数据合并
- 8.3 特征工程
- 8.3.1 独热编码
- 8.3.2 合并预处理后的数据集
- 8.4 使用MLP 算法实现通信运营商用户流失预测
- 8.4.1 数据集划分与数据标准化
- 8.4.2 构建用户流失预测模型
- 8.4.3 模型评价
- 小结
- 课后习题
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：林耀进 张良均
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机器学习编程与实战》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：林耀进 张良均
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机器学习编程与实战》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机器学习编程与实战
免费读 (VIP)