機器學習案例分析（基於Python語言）

內容簡介

共分為4個部分：1、基礎知識：主要介紹機器學習的基本概念、Python的基礎知識、常用第三方庫，並結合網路爬蟲及信息提取案例和股票數據圖表繪製案例使讀者對本部分內容有白宙歡遷更好的理解。2、歡虹肯有監督分類案例：包括Iris數據分類、新聞文本數據分類、手寫數字圖像察連戀試識別和精承場景文字檢測共4個案例。3、無監督聚類案舟祖拔例：包括人臉圖像聚類和文本聚類共2個案例。4、回歸預測案例：包括房價預測、員工離職盼腳墊預測和廣告點擊率預測共3個案例。

圖書目錄

第1 章基礎知識 ................................................................................................................. 001

1.1 機器學習簡介 ....................................................................................................... 002

1.1.1 基本概念 .................................................................................................... 002

1.1.2 機器學習分類 ............................................................................................ 003

1.2 Python 基礎 .......................................................................................................... 005

1.2.1 Python 編程環境 ....................................................................................... 005

1.2.2 基本數據類型 ............................................................................................ 011

1.2.3 分支語句和循料體放環語句 ................................................................................ 018

1.2.4 函式 ............................................................................................................ 021

1.2.5 類和對象 .................................................................................................... 025

1.2.6 打開、關閉、讀/寫檔案 ........................................................................... 028

1.2.7 異常處理 .................................................................................................... 031

1.3 常用第三方庫 ....................................................................................................... 033

1.3.1 NumPy ....................................................................................................... 033

1.3.2 SciPy .......................................................................................................... 039

1.3.3 Pandas ....................................................................................................... 041

1.3.4 Matplotlib .................................................................................................. 053

1.3.5 Scikit-learn ............................................................................................... 056

1.4 案例分析 ............................................................................................................... 058

1.4.1 網路爬蟲及信息提取 ................................................................................ 058

1.4.2 股票數據圖表繪製 .................................................................................... 063

1.5 本章小結 ............................................................................................................... 069

1.6 參考文獻 ............................................................................................................... 069

第2 章分類案例 ................................................................................................................ 071

2.1 員工離職預測 ....................................................................................................... 072

2.1.1 問題描述及數據集獲取 ............................................................................ 072

2.1.2 求解思路和相關知識介紹 ........................................................................ 073

2.1.3 代碼實現及分析 ........................................................................................ 076

2.2 Iris 數據分類 ......................................................................................................... 081

2.2.1 問題描述及數據集獲取 ............................................................................ 081

2.2.2 求解思路和相關知識介紹 ........................................................................ 082

2.2.3 代碼實現及分析 ........................................................................................ 089

2.3 新聞文本分類 ....................................................................................................... 099

2.3.1 問題描述及數據集獲取 ............................................................................ 099

2.3.2 求解思路和相關知識介紹 ........................................................................ 100

2.3.3 代碼實現及分析 ........................................................................................ 113

2.4 手寫數字識別 ....................................................................................................... 128

2.4.1 問題描述及數據集獲取 ............................................................................ 128

2.4.2 求解思路和相關知識介紹 ........................................................................ 129

2.4.3 代碼實現及分析 ........................................................................................ 134

2.5 本章小結 ............................................................................................................... 139

2.6 參考文獻 ............................................................................................................... 139

第3 章聚類案例 ................................................................................................................ 143

3.1 人臉圖像聚類 ....................................................................................................... 144

3.1.1 問題描述及數據集獲取 ............................................................................ 144

3.1.2 求解思路和相關知識介紹 ........................................................................ 146

3.1.3 代碼實現及分析 ........................................................................................ 150

3.2 文本聚類 ............................................................................................................... 162

3.2.1 問題描述及數據集獲取 ............................................................................ 162

3.2.2 求解思路和相關知識介紹 ........................................................................ 163

3.2.3 代碼實現及分析 ........................................................................................ 167

3.3 本章小結 ............................................................................................................... 173

3.4 參考文獻 ............................................................................................................... 174

第4 章回歸預測案例 ........................................................................................................ 175

4.1 房價預測 ............................................................................................................... 176

4.1.1 問題描述及數據集獲取 ............................................................................ 176

4.1.2 求解思路和相關知識介紹 ........................................................................ 177

4.1.3 代碼實現及分析 ........................................................................................ 184

4.2 基於LSTM 的股票走勢預測 ............................................................................... 191

4.2.1 問題描述及數據集獲取 ............................................................................ 191

4.2.2 求解思路和相關知識介紹 ........................................................................ 192

XI

4.2.3 代碼實現及分析 ........................................................................................ 197

4.3 本章小結 ............................................................................................................... 204

4.4 參考文獻 ............................................................................................................... 204

第5 章綜合案例................................................................................................................. 206

5.1 場景文本檢測 ....................................................................................................... 207

5.1.1 問題描述及數據集獲取 ............................................................................ 207

5.1.2 求解思路和相關知識介紹 ........................................................................ 208

5.1.3 代碼實現及分析 ........................................................................................ 217

5.2 面部認證 ............................................................................................................... 235

5.2.1 問題描述及數據集獲取 ............................................................................ 236

5.2.2 求解思路和相關知識介紹 ........................................................................ 236

5.2.3 代碼實現及分析 ........................................................................................ 241

5.3 本章小結 ............................................................................................................... 275

5.4 參考文獻 ............................................................................................................... 275

附錄A ..................................................................................................................................... 277

A.1 邏輯回歸分類器原理介紹 ................................................................................... 278

A.2 自己編程實現決策樹分類器 ............................................................................... 280

A.3 支持向量機的數學推導 ....................................................................................... 287

A.3.1 最小間隔最大化 ........................................................................................ 287

A.3.2 對偶問題 .................................................................................................... 288

A.4 Adaboost 的數學推導和代碼實現 ..................................................................... 292

A.4.1 數學推導 .................................................................................................... 292

A.4.2 代碼實現 .................................................................................................... 294

A.5 神經網路的數學推導和代碼實現 ....................................................................... 298

A.5.1 數學推導 .................................................................................................... 298

A.5.2 代碼實現 .................................................................................................... 302

A.6 期望最大化算法和高斯混合模型 ....................................................................... 308

A.6.1 EM 算法的原理和數學推導 ..................................................................... 308

A.6.2 EM 算法估計高斯混合模型參數的數學推導 ......................................... 310

A.7 基於波士頓房價數據集的房價預測代碼實現 ................................................... 312

機器學習案例分析（基於Python語言）

基本介紹

內容簡介

圖書目錄

熱門詞條