Python在機器學習中的套用

內容簡介

隨著大數據的興起，Python 和機器學習迅速成為時代的寵兒。本書在內容編排上避免了枯燥的理論知識講解，依循“理論簡述——實際數據集——Python 程式實現算法”分析數據的思路，根據實際數據集的分析目的，採用合適的主流機器學習算法來解決問題。全書共12章，其中第1 ～ 4 章介紹了機器學習的基礎知識；第5 ～ 12 章討論了在面對不同的數據時，如何採用一些主流的算法來解決問題，主要包括回歸分析、關聯規則、無監督學習、文本LDA 模型、決策樹和集成學習、樸素貝葉斯和K 近鄰分類、支持向量機和神經網路，以及深

度學習入門等內容。針對每個算法，都給出Python 代碼實現算法建模的過程，並結合可視化技術，幫助讀者更好地理解算法和分析結果。

《Python 在機器學習中的套用》是使用Python 進行機器學習的入門實戰教程，可作為以Python 為基礎進行機器學習的本科生和研究生入門書籍，也可供對Python 機器學習感興趣的研究人員參考閱讀。

圖書目錄

第1 章機器學習簡介

1.1 機器學習的任務

1.2 機器學習的三種方式

1.3 機器學習系統的建立

1.4 機器學習實例

第2 章 Python 常用庫介紹

2.1 Python 的安裝(Anaconda)

2.1.1 Spyder

2.1.2 Jupyter Notebook

2.2 Python 常用庫

2.2.1 Numpy 庫

2.2.2 Pandas 庫

2.2.3 Matplotlib 庫

2.2.4 Statsmodels 庫

2.2.5 Scikit-learn 庫

2.3 其他Python 常用的資料庫

2.4 Python 各種庫在機器學習中的套用

第3 章數據的準備和探索

3.1 數據預處理

3.2 數據假設檢驗

3.3 數據間的關係

3.4 數據可視化

3.5 特徵提取和降維

第4 章模型訓練和評估

4.1 模型訓練技巧

4.2 分類效果的評價

4.3 回歸模型評價

4.4 聚類分析評估

第5 章回歸分析

5.1 回歸分析簡介

5.2 多元線性回歸分析

5.2.1 多元線性回歸

5.2.2 逐步回歸

5.3 Lasso 回歸分析

5.4 Logistic 回歸分析

5.5 時間序列預測

第6 章關聯規則

6.1 關聯規則簡介

6.2 使用關聯規則找到問卷的規則

Python在機器學習中的套用

基本介紹

內容簡介

圖書目錄

作者簡介

相關詞條

熱門詞條