《Python机器学习》通过数学解释和编程示例描述了机器学习中的概念，每一章的内容都从技术的基本原理和基于真实数据集的工作实例开始，在提出应用算法建议的同时，指出了每种技术的优...
电子书
内容简介
《Python机器学习》从实用的角度出发，整合Python语言基础、数据分析与可视化、机器学习常用算法等知识。内容从*基本的Python编程基础入手，由浅入深、循序渐进地讲授NumPy库和Matplotlib库，以及复杂的机器学习基本理论和算法，并突出知识的实用性和可操作性。 《Python机器学习》力求以浅显的语言讲解复杂的知识，以直观的案例辅助读者理解，并以图表形式展示代码和运行结果，配合习题巩固读者对知识点的掌握。 《Python机器学习》适合作为高等院校计算机类、软件工程类和大数据相关专业本科生Python机器学习相关课程的教材，也可作为数据科学相关领域工程技术人员的参考书，还可供不具备Python语言基础的机器学习爱好者从零开始学习。
章节目录
- 封面
- 书名页
- 版权页
- 前言
- 目录
- 第1章 Python概述
- 1.1 Python简介
- 1.1.1 Python的产生与发展
- 1.1.2 Python的特点
- 1.1.3 Python的应用领域
- 1.2 Python开发环境搭建
- 1.2.1 Python安装与配置
- 1.2.2 Jupyter NoteBook
- 1.2.3 PyCharm
- 1.3 Python程序基本编写方法
- 1.3.1 Python程序编写与执行
- 1.3.2 Python错误与调试
- 1.3.3 Python编码规范
- 1.4 本章小结
- 1.5 习题
- 第2章 Python语言基础
- 2.1 变量和简单数据类型
- 2.1.1 标识符和变量
- 2.1.2 基本数据类型
- 2.1.3 运算符和表达式
- 2.2 顺序结构
- 2.2.1 赋值语句
- 2.2.2 标准输入和输出
- 2.2.3 顺序结构程序举例
- 2.3 分支结构
- 2.3.1 分支语句
- 2.3.2 分支结构程序举例
- 2.4 循环结构
- 2.4.1 可迭代对象
- 2.4.2 循环语句
- 2.4.3 循环控制语句
- 2.4.4 循环结构程序举例
- 2.5 案例——人机对话猜数字
- 2.6 本章小结
- 2.7 习题
- 第3章 基础数据结构
- 3.1 列表
- 3.1.1 列表的基本操作
- 3.1.2 列表相关函数
- 3.1.3 列表选取
- 3.2 元组
- 3.2.1 元组的基本操作
- 3.2.2 元组与列表的异同与转换
- 3.3 字典
- 3.3.1 字典的基本操作
- 3.3.2 遍历字典
- 3.3.3 字典与列表的嵌套
- 3.4 案例——约瑟夫环
- 3.5 本章小结
- 3.6 习题
- 第4章 函数与模块
- 4.1 函数的定义与调用
- 4.1.1 函数的定义
- 4.1.2 函数的调用
- 4.2 函数的参数与返回值
- 4.2.1 函数参数
- 4.2.2 函数返回值
- 4.3 两类特殊函数
- 4.3.1 匿名函数
- 4.3.2 递归函数
- 4.4 常用函数
- 4.4.1 字符串处理函数
- 4.4.2 高级函数
- 4.5 模块和包
- 4.5.1 模块与包的导入
- 4.5.2 常用模块
- 4.6 案例——拼单词游戏
- 4.7 本章小结
- 4.8 习题
- 第5章 面向对象程序设计
- 5.1 类与对象
- 5.1.1 类的定义
- 5.1.2 对象的创建与使用
- 5.1.3 数据成员与成员方法
- 5.2 继承与重写
- 5.2.1 继承
- 5.2.2 重写
- 5.3 异常处理
- 5.3.1 内置的异常类
- 5.3.2 异常的捕获与处理
- 5.3.3 自定义异常类
- 5.4 案例——超市销售管理系统
- 5.5 本章小结
- 5.6 习题
- 第6章 NumPy数据分析
- 6.1 安装NumPy库
- 6.2 数据的获取
- 6.2.1 使用Python读写文件
- 6.2.2 使用NumPy读写文件
- 6.3 数组创建与使用
- 6.3.1 数组创建和基本属性
- 6.3.2 数组选取
- 6.3.3 数组操作
- 6.4 数据运算
- 6.4.1 算术运算
- 6.4.2 比较运算
- 6.5 案例——鸢尾花数据分析
- 6.6 本章小结
- 6.7 习题
- 第7章 数据可视化
- 7.1 安装Matplotlib库
- 7.2 数据可视化基本流程
- 7.3 设置绘图属性
- 7.4 绘制常用图表
- 7.4.1 折线图
- 7.4.2 条形图
- 7.4.3 散点图
- 7.4.4 饼图
- 7.5 绘制高级图表
- 7.5.1 组合图
- 7.5.2 三维图
- 7.6 案例——随机漫步可视化
- 7.7 本章小结
- 7.8 习题
- 第8章 机器学习概述
- 8.1 机器学习简介
- 8.1.1 机器学习的定义
- 8.1.2 机器学习的发展
- 8.1.3 机器学习的应用领域
- 8.2 机器学习的基本理论
- 8.2.1 基本术语
- 8.2.2 机器学习算法
- 8.2.3 机器学习的一般流程
- 8.3 安装scikit-learn库
- 8.4 scikit-learn基本框架
- 8.4.1 数据的加载
- 8.4.2 模型训练和预测
- 8.4.3 模型的评估
- 8.4.4 模型的保存与使用
- 8.5 本章小结
- 8.6 习题
- 第9章 回归分析
- 9.1 回归分析原理
- 9.2 多元线性回归
- 9.2.1 算法原理
- 9.2.2 实现及参数
- 9.3 正则化回归分析
- 9.3.1 岭回归
- 9.3.2 Lasso回归
- 9.3.3 ElasticNet回归
- 9.4 案例——不同回归算法的分析对比
- 9.5 本章小结
- 9.6 习题
- 第10章 分类算法
- 10.1 k近邻算法
- 10.1.1 算法原理
- 10.1.2 实现及参数
- 10.1.3 k近邻回归
- 10.2 朴素贝叶斯算法
- 10.2.1 相关概念
- 10.2.2 算法原理
- 10.2.3 实现及参数
- 10.3 决策树
- 10.3.1 算法原理
- 10.3.2 最优特征选择函数
- 10.3.3 实现及参数
- 10.4 分类与回归树
- 10.4.1 算法原理
- 10.4.2 实现及参数
- 10.5 支持向量机
- 10.5.1 算法原理
- 10.5.2 核函数
- 10.5.3 实现及参数
- 10.6 案例——多分类器分类数据
- 10.7 本章小结
- 10.8 习题
- 第11章 聚类算法
- 11.1 聚类的不同思想
- 11.2 k均值算法
- 11.2.1 算法原理
- 11.2.2 实现及参数
- 11.3 DBSCAN算法
- 11.3.1 算法原理
- 11.3.2 实现及参数
- 11.4 Agglomerative聚类
- 11.4.1 算法原理
- 11.4.2 实现及参数
- 11.5 案例——聚类不同分布形状数据
- 11.6 本章小结
- 11.7 习题
- 第12章 集成学习
- 12.1 集成学习理论
- 12.2 随机森林
- 12.2.1 算法原理
- 12.2.2 实现及参数
- 12.3 投票法
- 12.4 提升法
- 12.5 本章小结
- 12.6 习题
- 第13章 算法评估与验证
- 13.1 数据集划分
- 13.2 距离度量方法
- 13.3 分类有效性指标
- 13.4 回归有效性指标
- 13.5 聚类有效性指标
- 13.6 参数调优
- 13.7 本章小结
- 13.8 习题
- 参考文献
- 封底
展开全部
Python机器学习是2021年由机械工业出版社出版,作者郭羽含 陈虹 肖成龙 主编。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《Python机器学习》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。
电子书
《Python机器学习》通过数学解释和编程示例描述了机器学习中的概念，每一章的内容都从技术的基本原理和基于真实数据集的工作实例开始，在提出应用算法建议的同时，指出了每种技术的优...
电子书
本书使用Python的机器学习算法库scikit-learn讲解机器学习重要算法的应用，内容包括机器学习认知、数据预处理、KNN算法、线性回归算法、逻辑回归算法、朴素贝叶斯算法...
电子书
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...
电子书
近年来人工智能技术蓬勃发展，人工智能正在改变我们的生活。为了让读者在不需要掌握太多数学和计算机科学知识的情况下，能够快速上手，使用Python语言实现常用的机器学习算法，并解决...
电子书
本书共11章，从推荐系统的发展历史、基本构成开始，依次剖析推荐系统的内容召回、协同过滤召回、深度学习召回中具有代表性的模型；再从经典排序模型到基于深度学习的排序，顺势介绍会话推...
电子书
大数据时代为机器学习的应用提供了广阔的空间，各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开，着重介绍数据探索、数据预处理和常用的机器学习算法模...