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
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。
章节目录
- 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
Python机器学习编程与实战是2020年由人民邮电出版社出版,作者林耀进 张良均。
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。
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
《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N...
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
机器学习是人工智能领域一个极其重要的研究方向，而深度学习则是机器学习中一个非常接近AI的分支，其思路在于建立进行分析学习的神经网络，模仿人脑感知与组织的方式，根据输入数据做出决...
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
本书共11章，分别介绍了机器学习概述、数据准备、特征工程、有监督学习、无监督学习、智能推荐的相关知识，并介绍了市财政收入分析案例、基于非侵入式电力负荷监测与分解的电力分析案例、...