《Python機器學習（微課視頻版）》是由2020年8月清華大學出版社出版的圖書。
基本介紹
- 中文名：Python機器學習
- 作者：柯博文
- 出版社：清華大學出版社
- 出版時間：2020年8月
- ISBN： 9787302553953
作品簡介,作品目錄,
作品簡介
本書由淺入深、圖文並茂地介紹了Python機器學習方面的相關內容，並通過150多個實際案例，手把手地教會讀者掌握用Python語言進行機器學習相關項目開發的方法與技巧。書中包含Python語言基礎內容、機器學習、人工智慧、TensorFlow、Keras、OpenCV等相關API的使用方法，給出的每個案例都可以單獨運行，可進行二次開發。
為了提高學習效果，本書為所有案例提供了完整的微課視頻和程式代碼檔案，獲取方式見前言。
本書適合學習機器學習算法的初學者，對機器學習、人工智慧感興趣的學生和從業者，以及進行機器學習相關項目開發的工程師閱讀參考。
作品目錄
作者簡介
內容簡介
前言
第1章 Python程式語言
1.1 Python程式語言的介紹
1.2 Python歷史
1.3 Python版本
第2章 安裝和運行Python開發環境
2.1 Windows作業系統中安裝Python
2.2 Windows作業系統中測試與運行Python
2.3 Mac作業系統中安裝Python
2.4 Mac作業系統中測試與運行Python
2.5 Linux和樹莓派中安裝Python
2.6 Linux和樹莓派中測試與運行Python
第3章 開發程式和工具
3.1 我的第一個Python程式（Windows版）
3.2 我的第一個Python程式（Mac、Linux和樹莓派版）
3.3 開發和調試工具——PyCharm下載和安裝
3.4 PyCharm工具介紹
3.5 創建項目
3.6 調試
3.7 安裝其他的Packages函式館
3.8 安裝Anaconda
3.9 使用Anaconda
3.10 pip安裝包
3.11 本書需要安裝的第三方函式館列表
第4章 Python程式基礎
4.1 Python注釋
4.2 Python數據模式
4.3 Python數學計算
4.4 Python列印
4.5 if…else條件判斷語句
4.6 Array數組——List
4.7 range範圍
4.8 for循環
4.9 UTF-8中文文字編碼和文字輸入
4.10 while循環語法
第5章 函式和面向對象OOP
5.1 開發函式（def）
5.2 import導入和開發
5.3 類（class）
5.4 類的初始化預定義值
5.5 類中的函式方法（Method）
5.6 類中的屬性（Property）
5.7 類中調用其他的函式方法
5.8 設定公開、私有的類函式方法
5.9 把類獨立成另一個檔案
5.10 繼承——OOP面向對象
5.11 多重繼承
5.12 調用父類函式
5.13 調用父類的屬性
第6章 視窗處理GUI Tkinter
6.1 視窗GUI函式館
6.2 視窗
6.3 文字Label
6.4 顯示圖片Image
6.5 按鍵Button
6.6 訊息視窗tkMessageBox
6.7 輸入框Entry
6.8 繪圖Canvas
第7章 數據容器Containers
7.1 List數組
7.2 List數組數據的多樣性
7.3 List的數學處理
7.4 Slicing切片
7.5 Dictionarie字典
7.6 Set序列集集合比較
7.7 Tuple序列
第8章 圖表函式館Matplotlib
8.1 Matplotlib介紹
8.2 畫線
8.3 畫點
8.4 畫面切割
8.5 顯示圖片
8.6 在視窗程式中顯示圖表
第9章 檔案處理和開放數據
9.1 開放數據介紹
9.2 保存
9.3 檔案複製、刪除和列出所有檔案
9.4 資料夾
9.5 讀入Excel檔案
9.6 讀入、處理和存儲CSV檔案——氣象風暴數據
第10章 網路
10.1 超文本傳輸協定HTTP GET
10.2 超文本傳輸協定HTTP POST
10.3 可擴展標記式語言XML
10.4 JSON
第11章 資料庫
11.1 下載和裝載MySQL資料庫
11.2 創建資料庫用戶——Add User
11.3 創建資料庫——Add database
11.4 打開資料庫——MySQL-python和pymysql
11.5 創建資料庫數據——insert
11.6 取得數據——select
11.7 刪除和修改資料庫數據——DELETE和UPDATA
第12章 自然語言處理——中文簡體和繁體轉換
12.1 中文分詞斷詞工具
12.2 分析檔案的文字
12.3 自定分詞
12.4 取出斷詞位置
12.5 移除用詞和自定比重分數
12.6 排列出最常出現的分詞
12.7 網路文章的重點
第13章 人工智慧標記語言AIML
13.1 人工智慧標記語言AIML介紹
13.2 中文機器人
13.3 AIML語法教程——隨機對話
13.4 AIML語法教程——變數
第14章 網路伺服器
14.1 Python網頁伺服器
14.2 開發自己的網頁伺服器
14.3 顯示HTTP內容
14.4 取得HTTP GET所傳遞的數據
14.5 取得HTTP POST所傳遞的數據
第15章 網路爬蟲與BeautifulSoup4
15.1 網路爬蟲——取得網路文章內容
15.2 BeautifulSoup的函式和屬性
15.3 實戰案例——獲取柯博文老師的部落格文章
15.4 實戰練習
第16章 pandas數據分析和量化投資
16.1 安裝
16.2 使用pandas讀入和存儲Excel的檔案
16.3 使用pandas讀入和存儲CSV的文本內容
16.4 讀入網路上的表格
16.5 DataFrame
16.6 計算
16.7 實戰分析Apple公司股價
16.8 統計相關計算
16.9 邏輯判斷——找出股價高點
16.10 計算股價浮動和每月的變化
16.11 畫出股票的走勢圖和箱形圖
第17章 NumPy矩陣運算數學函式館
17.1 矩陣數據初始化
17.2 NumPy默認數組
17.3 多維數組的索引
17.4 多維數組的切片
17.5 花式索引
17.6 數據模式
17.7 利用數組進行數據計算處理
17.8 統計
17.9 邏輯判斷
17.10 不同尺寸的矩陣相加
第18章 使用pyinstaller生成運行檔案
18.1 pyinstaller功能介紹和安裝
18.2 pyinstaller安裝步驟
第19章 機器學習算法——Regression回歸分析
19.1 數據準備
19.2 機器學習的數據準備
19.3 回歸分析數學介紹
19.4 回歸分析繪圖
19.5 隨機數數據
19.6 殘差
19.7 使用scikit-learn的linear_model函式求線性回歸
19.8 實戰案例——動物大腦和身體的關係
19.9 實戰案例——糖尿病數據集
第20章 機器學習算法——kNN最近鄰居法
20.1 kNN數學介紹
20.2 使用sklearn的kNN判斷水果種類
20.3 實戰案例——鳶尾花的種類判斷
第21章 機器學習算法——k-means平均算法
21.1 k-means數學介紹
21.2 sklearn的k-means類
21.3 k-means實戰案例
21.4 k-means實戰案例圖形化呈現結果
第22章 機器學習算法——決策樹算法
22.1 決策樹數學介紹——Gini係數
22.2 sklearn的DecisionTreeClassifier決策樹
22.3 決策樹圖形化呈現結果
第23章 機器學習算法——隨機森林算法
23.1 隨機森林算法數學原理
23.2 隨機森林函式
23.3 隨機森林圖形化
第24章 機器學習算法——貝葉斯分類器
24.1 貝葉斯分類器數學原理
24.2 貝葉斯分類器實戰案例
24.3 貝葉斯分類器圖形化
24.4 numpy.meshgrid方法
24.5 貝葉斯分類器圈選出分類的範圍
