跟著迪哥學python數據分析與機器學習實戰

作品簡介

本書結合了機器學習、數據分析和Python語言，通過案例以通俗易懂的方式講解了重漿喇如何將算法套用到實際任務。

全書共20章，大致分為4個部分。第1部分介紹了Python必備的工具包，包括科趨霸永學計算庫Numpy、數據分析庫Pandas、可視化庫Matplotlib；第2部分講解了機器學習中的經典算法，例如回歸算法、決策樹、集成算法、支持向量機、聚類算法等；第3部分介紹了深度學習中的常用算法，包括神經格線、卷積神經網路、遞歸神經網路；第4部分是項目實戰，基於真實數據集，將算法模型套用到實際業務中。

本書適合對人工智慧、機器學習、數據分析等方向感興趣的初學者和愛好者。

作品目錄

內容提要

前言

第1章人工智慧入門指南

1.1 AI時代首選Python

1.2 人工智慧的核心——機器學習

1.3 環境配置

本章總結

第2章科學計算庫（Numpy）

2.1 Numpy的基本操作

2.2 索引與切片

2.3 數據類型與數值計算

2.4 常用功能模組

本章總結

第3章數據分析處理庫（Pandas）

3.1 數據預處理

3.2 數據分析

3.3 常用函式操作

3.4 大數據處理技巧

本章總結

第4章數據可視化庫（Matplotlib）

4.1 常規繪圖方法

4.2 常用圖表繪製

本章總結

第5章回歸算法

5.1 線性回歸算法

5.2 梯度下降算法

5.3 邏輯回歸算法

本章總結

第6章邏輯回歸項目實戰——信用卡欺詐檢測

6.1 數據分析與預處理

6.2 下採樣方案

6.3 邏輯回歸模型

6.4 過採樣方案

項目總結

第7章決策樹連龍

7.1 決策樹原理

7.2 決策樹剪枝策略

本章總結

第8章集成算法

8.1 bagging算法

8.2 boosting算法

8.3 stacking模型

本章總結

第9章隨機森林項目實戰——氣溫預測

9.1 隨機森林建模

9.2 數據與特徵對結果影響分析

9.3 模型調參

項目總結

第10章特徵工程

10.1 數值特徵

10.2 文本特徵

10.3 論文與benchmark

本章總結

第11章貝葉斯算法項目實戰——棵影民新聞分類

11.1 貝葉斯算法

11.2 新聞分類任務

項目膠犁鞏棵總結

第12章支持向量機

12.1 支持向量機工作原理

12.2 支持向量的作用

12.3 支持向量機涉及參數

12.4 案例：參數對結果的影響

本章總結

第13章推薦系統

13.1 推薦系統的套用

13.2 協同過濾算法

13.3 隱語義模型

本章總阿重笑結

第14章推薦系統項目實戰——打造音樂推薦系統

14.1 數據集清洗

14.2 基於相似度的推薦

14.3 基於矩陣分解的推薦

項目總結

第15章降維算法

15.1 線性判別分析

15.2 主成分分析

本章總結

第16章聚類算法

16.1 K-means算法

16.2 DBSCAN聚類算法

16.3 聚類實例

本章總結

第17章神經網路

17.1 神經網路必備基礎

17.2 神經網路整體架構

17.3 網路調優細節

本章總結

第18章 TensorFlow實戰

18.1 TensorFlow基本操作

18.2 搭建神經網路進行手寫字型識別

本章總結

第19章卷積神經網路

19.1 卷積操作原理

19.2 經典網路架構

19.3 TensorFlow實戰卷積神經網路

本章總結

第20章神經網路項目實戰——影評情感分析

20.1 遞歸神經網路

20.2 影評數據特徵工程

20.3 構建RNN模型

項目總結乃鑽旬巴

跟著迪哥學python數據分析與機器學習實戰

基本介紹

作品簡介

作品目錄

相關詞條

熱門詞條