Python機器學習開發實戰

作品簡介

本書一共分為19章，1~7章是編程基礎，為了讓那些沒有編程經驗的但是又想從事數據分析工作的學員有個入門的基礎。8~19章則介紹了機器學習領域中常用的算法，他們分別是線性回歸，邏輯回歸，神經網路，線性判別，最近鄰算法，決策樹與隨機森林，樸素貝葉斯，支持向量機，主成分分析，奇異值分解，k-means聚類。在第19章中則著重介紹了現在比較流行的深度學習框架。

作品目錄

內容提要

前言

第1章　環境配置與準備知識

1.1　環境配置

1.2　機器學習相關概念

第2章　Python基礎知識

2.1　hello world！

2.2　變數

2.3　操作符

2.4　字元串

2.5　列表

2.6　集合

2.7　字典

2.8　循環語句

2.9　判斷語句

2.10　函式

2.11　面向對象編程

第3章　數值計算擴展工具——Numpy

3.1　創建數組

3.2　數組索引

3.3　排序與查詢

3.4　隨機數生成器

3.5　數學函式

3.6　統計函式

3.7　線性代數

第4章　數據分析工具——Pandas

4.1　序列對象Series

4.2　數據框對象DataFrame

4.3　分組對象GroupBy

第5章　可視化展示庫——Matplotlib

5.1　作圖類命令

5.2　坐標軸控制

5.3　其他設定

第6章　通用型開源機器學習庫——Scikit

6.1　預處理

6.2　降維

6.3　有監督學習與無監督學習

6.4　模型評估

第7章　機器學習常用數據集

7.1　boston房價數據集

7.2　diabetes糖尿病數據集

7.3　digits手寫字型識別數據集

7.4　iris鳶尾花數據集

7.5　wine紅酒數據集

第8章　線性回歸算法

8.1　從二次函式到機器學習

8.2　深入理解線性回歸算法

8.3　線性回歸算法實戰——糖尿病患者病情預測

第9章　邏輯回歸算法

9.1　邏輯回歸算法的基礎知識

9.2　深入理解邏輯回歸算法

9.3　邏輯回歸算法實戰——二維鳶尾花分類

第10章　神經網路算法

10.1　神經網路算法的基礎知識

Python機器學習開發實戰

基本介紹

作品簡介

作品目錄

相關詞條

熱門詞條