機器學習理論實踐全書，12章內容豐富，適合各層次讀者。
電子書
編輯推薦
Python機器學習入門，以實戰(zhàn)為重點，配有大量代碼和案例，簡單、快速、易學。
內容簡介
本書內容主要包括Python語言的基礎知識、實踐中最常用的機器學習算法及其原理，以及實踐中的機器學習算法應用，還有一些深度學習框架的講解和應用。
章節(jié)目錄
- 封面
- 扉頁
- 版權信息
- 內容提要
- 前言
- 第1章 環(huán)境配置與準備知識
- 1.1 環(huán)境配置
- 1.2 機器學習相關概念
- 1.2.1 機器學習中的數據
- 1.2.2 訓練集和測試集
- 1.2.3 欠擬合與過度擬合
- 1.2.4 人工智能、機器學習、深度學習
- 第2章 Python基礎知識
- 2.1 hello world！
- 2.2 變量
- 2.3 操作符
- 2.3.1 基本運算符
- 2.3.2 比較運算符
- 2.3.3 邏輯運算符
- 2.4 字符串
- 2.4.1 基礎
- 2.4.2 轉義字符
- 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 循環(huán)語句
- 2.9 判斷語句
- 2.10 函數
- 2.11 面向對象編程
- 第3章 數值計算擴展工具——Numpy
- 3.1 創(chuàng)建數組
- 3.1.1 創(chuàng)建元素為0或1的數組
- 3.1.2 將列表轉換為數組
- 3.1.3 生成一串數字
- 3.1.4 生成特殊數組
- 3.2 數組索引
- 3.3 排序與查詢
- 3.4 隨機數生成器
- 3.5 數學函數
- 3.5.1 三角函數
- 3.5.2 指數與對數
- 3.5.3 約數
- 3.5.4 數組自身加乘
- 3.5.5 算術運算
- 3.6 統(tǒng)計函數
- 3.7 線性代數
- 第4章 數據分析工具——Pandas
- 4.1 序列對象Series
- 4.1.1 創(chuàng)建Series對象
- 4.1.2 Series索引
- 4.1.3 查看Series相關屬性
- 4.1.4 二元運算
- 4.1.5 統(tǒng)計方法
- 4.1.6 缺失值處理
- 4.1.7 排序
- 4.1.8 計數與重復
- 4.1.9 其他
- 4.2 數據框對象DataFrame
- 4.2.1 創(chuàng)建數據框
- 4.2.2 行操作
- 4.2.3 列操作
- 4.3 分組對象GroupBy
- 4.3.1 基本函數
- 4.3.2 統(tǒng)計函數
- 第5章 可視化展示庫——Matplotlib
- 5.1 作圖類命令
- 5.1.1 折線圖
- 5.1.2 柱狀圖和條形圖
- 5.1.3 散點圖
- 5.1.4 餅圖
- 5.1.5 面積圖
- 5.2 坐標軸控制
- 5.2.1 axis
- 5.2.2 xlim與ylim
- 5.2.3 xticks與yticks
- 5.2.4 xlabel與ylabel
- 5.3 其他設置
- 第6章 通用型開源機器學習庫——Scikit
- 6.1 預處理
- 6.1.1 標準化
- 6.1.2 非線性轉換
- 6.1.3 歸一化
- 6.1.4 二值化
- 6.1.5 分類特征編碼
- 6.1.6 缺失值插補
- 6.1.7 生成多項式特征
- 6.2 降維
- 6.3 有監(jiān)督學習與無監(jiān)督學習
- 6.4 模型評估
- 6.4.1 測試集評分
- 6.4.2 交叉驗證迭代器
- 6.4.3 分層交叉驗證迭代器
- 6.4.4 分組迭代器
- 6.4.5 時間序列交叉驗證
- 第7章 機器學習常用數據集
- 7.1 boston房價數據集
- 7.1.1 數據集基本信息描述
- 7.1.2 數據探索
- 7.2 diabetes糖尿病數據集
- 7.2.1 數據基本信息描述
- 7.2.2 數據探索
- 7.3 digits手寫字體識別數據集
- 7.3.1 數據集基本信息描述
- 7.3.2 數據集探索
- 7.4 iris鳶尾花數據集
- 7.4.1 數據集基本信息描述
- 7.4.2 數據探索
- 7.5 wine紅酒數據集
- 7.5.1 數據集基本信息描述
- 7.5.2 數據探索
- 第8章 線性回歸算法
- 8.1 從二次函數到機器學習
- 8.1.1 二次函數最優(yōu)求解方法
- 8.1.2 梯度下降
- 8.1.3 梯度下降的Python實現
- 8.1.4 初始值與學習速率α的選擇
- 8.2 深入理解線性回歸算法
- 8.2.1 回歸曲線的數學解釋
- 8.2.2 梯度下降方法求解最優(yōu)直線
- 8.2.3 理解“機器學習”中的“學習”
- 8.2.4 導數求解與梯度下降
- 8.2.5 學習速率α與迭代次數的設置
- 8.3 線性回歸算法實戰(zhàn)——糖尿病患者病情預測
- 第9章 邏輯回歸算法
- 9.1 邏輯回歸算法的基礎知識
- 9.1.1 直線分割平面
- 9.1.2 邏輯函數
- 9.2 深入理解邏輯回歸算法
- 9.2.1 直線分類器與邏輯回歸的結合
- 9.2.2 Sigmoid函數的作用
- 9.2.3 邏輯回歸模型
- 9.3 邏輯回歸算法實戰(zhàn)——二維鳶尾花分類
- 第10章 神經網絡算法
- 10.1 神經網絡算法的基礎知識
- 10.1.1 邏輯回歸與神經網絡的關系
- 10.1.2 激活函數
- 10.2 深入理解神經網絡算法
- 10.2.1 神經網絡的表示
- 10.2.2 做回歸的神經網絡
- 10.2.3 做二分類的神經網絡
- 10.2.4 做多分類的神經網絡
- 10.3 神經網絡的應用
- 10.3.1 MLPClassifier分類
- 10.3.2 MLPRegressor回歸
- 第11章 線性判別算法
- 11.1 線性判別算法的核心知識
- 11.1.1 方差
- 11.1.2 投影
- 11.1.3 投影方式與方差的關系
- 11.2 線性判別算法詳解
- 11.2.1 投影的實際應用
- 11.2.2 另一種思路解決重疊問題
- 11.2.3 線性判別算法的實質
- 11.3 線性判別算法實戰(zhàn)——花卉分類
- 第12章 K最近鄰算法
- 12.1 K最近鄰算法的核心知識
- 12.1.1 兩點的距離公式
- 12.1.2 權重
- 12.2 K最近鄰算法詳解
- 12.2.1 K最近鄰算法原理
- 12.2.2 K最近鄰算法的關鍵——k的選擇
- 12.2.3 距離加權最近鄰算法
- 12.3 K最近鄰算法實戰(zhàn)——手寫字體識別
- 第13章 決策樹方法與隨機森林
- 13.1 決策樹方法的基本知識
- 13.2 決策樹方法的原理
- 13.2.1 信息熵
- 13.2.2 分割數據
- 13.2.3 計算信息增益
- 13.3 決策樹方法實戰(zhàn)——紅酒分類
- 13.4 隨機森林
- 第14章 貝葉斯算法
- 14.1 貝葉斯算法的基礎知識
- 14.1.1 概率
- 14.1.2 條件概率
- 14.1.3 聯合概率
- 14.1.4 貝葉斯定理
- 14.2 深入理解貝葉斯算法
- 14.2.1 先驗概率和后驗概率
- 14.2.2 詞向量
- 14.2.3 貝葉斯模型
- 14.3 貝葉斯算法實戰(zhàn)——文本分類
- 第15章 支持向量機
- 15.1 支持向量機的基礎知識
- 15.1.1 向量
- 15.1.2 點積
- 15.1.3 投影
- 15.1.4 向量與代數直線的關系
- 15.2 深入理解支持向量機
- 15.2.1 超平面
- 15.2.2 支持向量機在二維空間的超平面
- 15.2.3 計算最優(yōu)超平面
- 15.3 支持向量機實戰(zhàn)——鳶尾花分類
- 第16章 PCA降維算法
- 16.1 PCA降維算法的核心知識
- 16.1.1 矩陣的直觀理解
- 16.1.2 特征向量的本質
- 16.1.3 協方差
- 16.1.4 協方差矩陣
- 16.2 PCA降維算法詳解
- 16.2.1 協方差矩陣的特征向量
- 16.2.2 PCA降維算法的Python實現
- 16.3 PCA降維算法實戰(zhàn)——iris數據集可視化
- 第17章 SVD奇異值分解
- 17.1 SVD奇異值分解的相關知識
- 17.2 深入理解矩陣作用
- 17.2.1 矩陣作用
- 17.2.2 將矩陣作用分解為特征向量作用
- 17.2.3 將矩陣作用分解為奇異矩陣作用
- 17.3 SVD奇異值分解的應用
- 17.3.1 U矩陣的理解
- 17.3.2 V矩陣的理解
- 17.3.3 S矩陣的理解
- 第18章 聚類算法
- 18.1 深入理解K均值聚類算法
- 18.2 Scikit庫中的K均值聚類算法
- 18.3 其他聚類算法
- 第19章 深度學習框架及其應用
- 19.1 TensorFlow
- 19.1.1 TensorFlow的基本概念
- 19.1.2 TensorFlow的應用
- 19.2 Keras
- 19.3 PyTorch
- 19.4 Caffe
展開全部
Python機器學習開發(fā)實戰(zhàn)是2020年由人民郵電出版社出版,作者王新宇。
溫馨提示：
1.本電子書已獲得正版授權，由出版社通過知傳鏈發(fā)行。
2.該電子書為虛擬物品，付費之后概不接收任何理由退款。電子書內容僅支持在線閱讀，不支持下載。
3.您在本站購買的閱讀使用權僅限于您本人閱讀使用，您不得/不能給任何第三方使用，由此造成的一切相關后果本平臺保留向您追償索賠的權利！版權所有，后果自負！
得書感謝您對《Python機器學習開發(fā)實戰(zhàn)》關注和支持，如本書內容有不良信息或侵權等情形的，請聯系本網站。
電子書
電子書
電子書
電子書
1.深挖國內職場人群痛點，利用Python實現辦公自動化。
2.結合實際案例講解編程和數據庫知識，讓讀者快速理解掌握。
3.完整行業(yè)案例全流程講解，全方位解讀Python在自動化辦公中的作用。
4.附贈案例源代碼、數據文件、在線視頻、練習題及答案，方便舉一反三。
電子書
電子書
電子書
電子書
