《Python統計機器學習》是2023年中國水利水電出版社出版的圖書。
基本介紹
- 中文名：Python統計機器學習
- 出版時間：2023年8月1日
- 出版社： 中國水利水電出版社
- ISBN：9787522615011
內容簡介,圖書目錄,
內容簡介
《Python統計機器學習》以 Python為工具，詳細介紹了機器學習中必備的統計分析技術和數據分析基礎知識。全書共分三部分，第一部分介紹了Python中的基本運算方法和機率的相關基礎概念。第二部分介紹了統計分析的基礎知識，內容涵蓋機器學習的問題設定、定量評價各種數據分析結果的框架，並簡明描述數據的主成分分析方法、統計建模的思路及假設檢驗的標準等統計學知識。第三部分介紹了在機器學習中的各種方法，包括回歸分析、聚類分析支持向量機、稀疏學習、決策樹、集成學習、高斯過程模型及密度比估計等方法，最後還特別介紹了深度學習的貝葉斯最佳化方法。
《Python統計機器學習》內容豐富，圖文並茂，特別適合想學習數據分析、統計分析、機器學習、深度學習的人員參考學習。
圖書目錄
第一部分基於Python的計算
第1章 Python 基礎
1.1啟動與載入軟
1.2基於Python的運算
1.3函式與控制語句
1.4繪圖
第2章 機率的計算
2.1機率的基本概念
2.2樣本空間和機率分布·
2.3連續變數和機率密度函式/分布函式
2.4期望值和方差
2.5分位點
2.6多維變數
2.7獨立
2.8協方差和相關係數
2.9條件機率和貝葉斯公式
部分統計分析的基礎
第3章機器學題設定
3.1有監督學p>
3.1.1分類問題
3.1.2回歸分析
3.2無監督學/p>
3.2.1特徵提取
3.2.2分布估計
3.3損失函式的小化和機器學
第4章統計度的評估
4.1損失函式及訓練誤差/測試誤差
4.2測試誤差的估計：交叉驗證法
4.3ROC曲線和AUC方法
4.3.1定義
4.3.2AUC與測試誤差·第5章數據整理與特徵提取
5.1主成分分析
5.2因子分析
5.3多維尺度變換
第6章基於統計模型的學1統計模型·
6.2統計的估計
6.3極大似然估計
6.4極大似然估計量的計算方法
6.4.1示例：均勻分布的參數估計
6.4.2示例：統計模型的參數估計
6.5貝葉斯估計
6.6混合模型和EM算法第7章 假設檢驗
7.1假設檢驗的組成
7.2非參數檢驗
7.3方差分析
第三部分機器學法
第8章回歸分析的基礎8.1線回歸模型
8.2小二乘法
8.3穩健回歸
8.4嶺回歸
8.5核回歸分析第9章聚類分析
9.1k均值算法
9.2譜聚類算法
9.2.1圖切割和聚類分析
9.2.2算法
9.3局部保留投影算法和多維尺度變換
9.4混合常態分配聚類分析
第10章支持向量機
10.1分類問題
10.2二值分類的支持向量機
10.2.1可線性分離數據的學習
10.2.2線性不可分離數據和軟間隔
10.3核支持向量機
10.4模型參數的選擇
10.5多值分類
第11章稀疏學習
11.1L1正則化和稀疏性
11.2彈性網路
11.3稀疏邏輯回歸
11.4條件獨立和稀疏學習
11.5字典學習
第12章決策樹與集成學習
12.1決策樹
12.2套袋法
12.3隨機森林
12.4提升法
12.4.1算法
12.4.2算法的導出
12.4.3基於提升法的機率估計
第13章高斯過程模型
13.1貝葉斯估計和高斯過程模型
13.2基於高斯過程模型的回歸分析
13.3高斯過程模型的分類分析
13.3.1後驗分布的近似
13.3.2預測分布的近似
13.4貝葉斯最佳化
13.4.1貝葉斯最佳化和高斯過程模型
13.4.2貝葉斯最佳化選擇模型
第14章密度比估計
14.1密度比及其套用
14.2密度比的估計
14.3密度比估計的交叉驗證法
14.4協變數偏移下的回歸分析
14.5雙樣本檢驗附錄A基準數據
參考文獻
