Python機器學習實例及代碼分析——識別·預測·異常檢測

內容簡介

機器學習作為實現人工智慧的方法，是一種讓計算機具備學習能力的數理技術。本書就以Python為工具，結合實例和代碼分析對機器學習中的異常檢測和系列數據分析技術進行了詳細解說。其中前半部分介紹了基本的分類器和預測器的使用方法，以便讀者能夠順利地進行機器學習實踐。後半部分以作者的研究經驗為基礎，介紹了一些套用於實際問題的例子。

本書以解說實例源碼為中心，特別適合有一定編程基礎、對機器學習技術感興趣的高校學生學習，也適合將機器學習技術套用於實際業務的工程師參考。

圖書目錄

第1章什麼是機器學習

1.1機器學習簡介

1.2圍繞機器學習的環境變化

1.3關於本書

1.4關於機器學習的書籍

1.5機器學習的分類

1.6機器學習的流程

1.7k近鄰算法分類

原始碼1.1通過k近鄰算法對Iris數據集進行分類和繪製識別邊界面

第2章基本的分類器和預測器

2.1決策樹學習

原始碼2.1基於決策樹學習的識別和繪製決策樹

2.2樸素貝葉斯分類器

原始碼2.2樸素貝葉斯分類器分類與ROC曲線評價

2.3邏輯回歸

原始碼2.3使用邏輯回歸識別手寫字元

2.4多層感知器

原始碼2.4使用MLP識別手寫字元

2.5支持向量機

原始碼2.5使用SVM識別 Breast Cancer數據集

2.6線性回歸

原始碼2.6通過線性回歸推測 Housing數據住宅價格

2.7深度學習

原始碼2.7使用AutoEncoder事先學習的深層神經網路識別手寫字元

第3章針對機器振動數據的異常檢測

3.1異常檢測問題

3.2異常檢測的評價方法

3.3典型的異常檢測法

3.4機器異常檢測的套用案例

3.5特徵提取

3.6各種異常檢測法的套用

3.6.1異常檢測的代碼1（圖3.8，原始碼3.1）

3.6.2異常檢測的代碼2（圖3.9，原始碼3.2）

3.6.3異常檢測的代碼3：LOF(圖3.10，原始碼3.3)…

3.6.4異常檢測的代碼4：One-Class SVM(圖3.12，原始碼3.4)

3.6.5異常檢測的代碼5：Isolation Forest(圖3.14，原始碼3.5)

3.6.6異常檢測的代碼6：分別比較(圖3.16，原始碼3.6)

3.6.7另行定義的函式

3.7總結

3.8本章所用原始碼一覽

原始碼3.1異常檢測的代碼1

原始碼3.2異常檢測的代碼2

原始碼3.3異常檢測的代碼3

Python機器學習實例及代碼分析——識別·預測·異常檢測

基本介紹

內容簡介

圖書目錄

作者簡介

相關詞條

熱門詞條