Python机器学习基础

图书信息

图书特色

浪潮产学合作项目。 本书为机器学习的入门书籍，全面地论述了Python机器学习的基本概念、基础原理和基本方法，深入浅出的介绍了与Python和机器学习联系密切的内容。

内容简介

Python是当前流行的编程语言，简单易学、应用广泛。本书以Python为基础开发语言，全面系统地讲解了机器学习的相关知识。本书共9章，主要包括机器学习的基本概念，Python及其库的入门，机器学习中常用算法的理论介绍、项目实现和优缺点分析，数据预处理，特征工程，模型评估及改进，综合实战等。

本书可作为本科院校和职业院校计算机相关专业的教材，还可作为社会培训机构的教材，也适合计算机爱好者自学使用。

目录

1. Python机器学习基础 目录
2. 第 1章 概述 11.1　什么是机器学习　11.2机器学习的算法　21.3　监督学习　21.4　无监督学习　31.5　数据集　41.6　机器学习项目的流程　61.7　小结　7习题1　7第　2章 Python入门　92.1　Python语言介绍　92.2　Python平台搭建　92.3　Python的基本概念　112.3.1　数据类型　112.3.2　基本运算　142.3.3　控制语句　152.3.4　复杂数据类型　162.3.5　函数　182.4　Python库的使用　182.5　小结　24习题2　24第3章　分类算法　253.1　K近邻算法　253.1.1　算法介绍　253.1.2　算法应用　273.1.3　算法的优缺点　373.2　朴素贝叶斯算法　383.2.1　算法介绍　383.2.2　算法实现　393.2.3　算法的优缺点　433.3　逻辑回归　443.3.1　算法介绍　443.3.2　算法实现　463.3.3　算法的优缺点　483.4　支持向量机　483.4.1算法介绍　483.4.2　算法实现　533.4.3　算法的优缺点　553.5决策树　553.5.1算法介绍　553.5.2算法实现　583.5.3算法的优缺点　613.6随机森林　623.6.1算法介绍　623.6.2算法实现　633.6.3　算法的优缺点　653.7　人工神经网络　653.7.1　算法介绍　653.7.2　项目实现　683.7.3　算法的优缺点　713.8　分类器的不确定性　713.8.1　决策函数　723.8.2　预测函数　723.8.3　多分类的不确定性　733.9　小结　74习题3　75第4章　回归算法　764.1　线性回归　764.1.1　线性模型　764.1.2　线性回归　784.1.3　多项式回归　814.1.4　算法的优缺点　824.2　岭回归　834.2.1　算法介绍　834.2.2　算法实现　834.2.3　算法的优缺点　874.3　LASSO回归　874.3.1　算法介绍　874.3.2　算法实现　884.3.3　算法的优缺点　914.4　支持向量回归机　914.4.1算法介绍　914.4.2算法实现　934.4.3算法的优缺点　944.5　回归树　954.5.1　算法介绍　954.5.2　算法实现　964.5.3　算法优缺点　974.6　小结　98习题4　98第5章　聚类算法　995.1　K均值凝聚聚类　995.1.1　算法介绍　995.1.2　算法实现　1005.1.3　算法的优缺点　1035.2　层次聚类　1035.2.1　算法介绍　1035.2.2　算法实现　1045.2.3　算法的优缺点　1075.3　DBSCAN算法　1085.3.1　算法介绍　1085.3.2　算法实现　1085.3.3　算法的优缺点　1115.4　Mean Shift　1115.4.1　算法介绍　1115.4.2　算法实现　1125.4.3　算法的优缺点　1145.5　Label Propagation　1145.5.1　算法介绍　1155.5.2　算法实现　1155.5.3　算法优缺点　1165.6　小结　116习题5　117第6章　数据预处理　1186.1　数据清洗　1186.1.1　缺失值处理　1186.1.2　异常值处理　1266.2　数据变换　1306.2.1　无量纲化　1306.2.2　离散化　1316.2.3　对类别特征编码　1336.2.4　多项式特征　1376.3　数据规约　1426.4小结　143习题6　143第7章　特征工程　1447.1　特征提取　1447.1.1　字典特征提取　1447.1.2　文本特征提取　1457.1.3　图像特征提取　1517.2特征选择　1547.2.1　Filter　1547.2.2　Wrapper　1577.2.3　Embedded　1587.3　降维　1597.4　小结　164习题7　164第8章　模型评估及改进　1658.1　交叉验证　1658.1.1　K折交叉验证　1658.1.2　分层K折交叉检验　1668.1.3　留一交叉验证和打乱划分交叉验证　1688.2　网格搜索　1698.3　评估指标　1778.3.1　分类评估指标　1788.3.2　回归评估指标　1898.4　小结　191习题8　191第9章　综合实战　1929.1　管道模型　1929.2　文本数据处理　1979.2.1　扩展与深化——不同种方式的文本数据处理　1979.2.2　文本数据的优化处理　2039.3　泰坦尼克号数据分析　2089.4　小结　217习题9　217参考文献　219
3. 展开全部