《機器學習入門Python語言實現》是2021年機械工業出版社出版的圖書。
基本介紹
- 中文名：機器學習入門Python語言實現
- 作者：[美]奧斯瓦爾德·坎佩薩托(Oswald Campesato)
- 出版時間：2021年
- 出版社：機械工業出版社
- ISBN：9787111695240
- 開本：16 開
- 裝幀：平裝-膠訂
內容簡介,圖書目錄,作者簡介,
內容簡介
本書旨在為讀者提供與機器學習有關Python3的基本編程概念。前4章快速介紹了Python 3、NumPy和Pandas。第5章介紹了機器學習的基本概念。第6章主要介紹機器學習分類器，例如邏輯回歸、kNN、決策樹、隨機森林和SVM。第7章介紹了自然語言處理和強化學習。本書還提供了基於Keras的代碼示例作為理論討論的補充。此外還為正則表達式、Keras和TensorFlow 2提供了單獨的附錄。
圖書目錄
譯者序
前言
第1章 Python 3簡介 1
1.1 Python相關工具與安裝 1
1.1.1 Python相關工具 1
1.1.2 安裝Python 3
1.1.3 設定PATH環境變數（僅Windows） 3
1.2 Python編程基礎 3
1.2.1 Python互動式解釋器 3
1.2.2 Python基礎語法 4
1.2.3 以模組形式保存代碼 6
1.2.4 Python中的一些標準模組 7
1.2.5 help(?)和dir(?)函式 7
1.2.6 編譯時和運行時的代碼檢查 8
1.3 Python中的簡單數據類型
1.3.1 數字
1.3.2 字元串 12
1.3.3 處理日期
1.4 Python中的異常處理 21
1.4.1 處理用戶輸入 22
1.4.2 命令行參數 24
1.5 小結 25
第2章 條件邏輯、循環和函式 26
2.1 Python中的條件邏輯 26
2.1.1 Python的保留關鍵字 27
2.1.2 Python運算符的優先權 28
2.1.3 比較運算符和布爾運算符 28
2.2 Python中的變數和參數
2.2.1 局部變數和全局變數
2.2.2 變數的作用域
2.2.3 引用傳遞和值傳遞 31
2.2.4 實參和形參 31
2.3 在Python中使用循環 32
2.3.1 Python中的for循環 32
2.3.2 Python中的while循環
2.4 Python中的用戶自定義函式 41
2.4.1 在函式中設定默認值 42
2.4.2 具有可變參數的函式 42
2.4.3 lambda表達式 43
2.5 遞歸 44
2.5.1 計算階乘值 44
2.5.2 計算斐波那契數 45
2.5.3 計算兩個數的公約數 45
2.5.4 計算兩個數的小公倍數 46
2.6 小結 47
第3章 Python數據類型 48
3.1 列表 48
3.1.1 列表和基本操作 48
3.1.2 列表中的表達式 53
3.1.3 連線字元串列表 53
3.1.4 Python中的range(?)函式 54
3.1.5 數組和append(?)函式 55
3.1.6 使用列表和split(?)函式 56
3.1.7 對列表中的單詞計數 56
3.1.8 遍歷成對的列表 57
3.1. 其他與列表相關的函式 57
3.1.10 棧和佇列
3.1.11 使用向量 60
3.1.12 使用矩陣 61
3.1.13 使用NumPy庫處理矩陣 61
3.2 元組（不可變列表） 62
3.3 集合 63
3.4 字典 64
3.4.1 創建字典及字典中的基本操作 65
3.4.2 字典的相關函式和方法 67
3.4.3 字典的格式 67
3.4.4 有序字典 67
3.5 Python中的其他數據類型 68
3.5.1 Python中的其他序列類型 68
3.5.2 Python中的可變類型和不可變類型
3.5.3 type(?)函式 70
3.6 小結 70
第4章 NumPy和Pandas介紹 71
4.1 NumPy 71
4.1.1 NumPy簡介 71
4.1.2 NumPy數組 72
4.1.3 使用NumPy數組的示例 73
4.2 子範圍 77
4.2.1 使用向量的“-1”子範圍 77
4.2.2 使用數組的“-1”子範圍 77
4.3 NumPy中其他有用的方法 78
4.3.1 數組和向量操作
4.3.2 NumPy和點積
4.3.3 NumPy和向量的“範數” 80
4.3.4 NumPy和向量的乘積 81
4.3.5 NumPy和reshape(?)方法 82
4.3.6 計算均值和標準差 83
4.4 Pandas 84
4.5 Pandas DataFrame的各種操作
4.5.1 合併Pandas DataFrame
4.5.2 使用Pandas DataFrame進行數據操作
4.5.3 Pandas DataFrame和CSV文
4.5.4 Pandas DataFrame和Excel電子表格
4.5.5 選擇、添加和刪除DataFrame中的列
4.5.6 Pandas DataFrame和散點圖
4.5.7 Pandas DataFrame和簡單統計
4.5.8 Pandas中簡單有用的命令
4.6 小結 100
第5章 機器學習 101
5.1 什麼是機器學習 101
5.1.1 機器學習算法的類型 103
5.1.2 特徵工程、特徵選擇和特徵提取 105
5.1.3 降維 106
5.2 使用數據集 107
5.2.1 訓練數據與測試數據 108
5.2.2 什麼是交叉驗證 108
5.2.3 正則化 108
5.2.4 偏差-方差的權衡
5.2.5 模型性能的衡量指標
5.3 線性回歸 111
5.3.1 線性回歸與曲線擬合 112
5.3.2 何時的解是準確值 112
5.3.3 什麼是多元分析 112
5.3.4 其他類型的回歸 113
5.3.5 平面中對直線的處理（選讀） 113
5.4 求解線性回歸問題的示例 116
5.4.1 使用NumPy和Matplotlib繪製散點圖 116
5.4.2 MSE
5.4.3 Keras的線性回歸 123
5.5 小結 126
第6章 機器學習中的分類器 127
6.1 分類器 127
6.1.1 什麼是分類 127
6.1.2 線性分類器
6.1.3 kNN
6.1.4 決策樹 130
6.1.5 隨機森林 133
6.1.6 支持向量機 134
6.1.7 貝葉斯分類器 134
6.1.8 訓練分類器 136
評估分類器 137
6.2 激活函式 137
6.2.1 什麼是激活函式
6.2.2 常見的激活函式
6.2.3 ReLU和ELU激活函式 140
6.2.4 sigmoid、softmax和tanh的相似之處 141
6.2.5 sigmoid、softmax和hardmax的區
作者簡介
奧斯瓦爾德·坎佩薩托（Oswald Campesato）專門研究深度學習、Java、Android和TensorFlow。他是25本書的作者/合著者，其中包括TensorFlow Pocket Primer、Artificial Intelligence, Machine Learning, and Deep Learning和Python Pocket Primer。
