| 作者 |
| 郭羽含 陈虹 肖成龙 |
| 丛书名 |
| 面向新工科普通高等教育系列教材 |
| 出版社 |
| 机械工业出版社* |
| ISBN |
| 9787111676997 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 《Python机器学习》从实用的角度出发，整合Python语言基础、数据分析与可视化、机器学习常用算法等知识。内容从*基本的Python编程基础入手，由浅入深、循序渐进地讲授NumPy库和Matplotlib库，以及复杂的机器学习基本理论和算法，并突出知识的实用性和可操作性。 《Python机器学习》力求以浅显的语言讲解复杂的知识，以直观的案例辅助读者理解，并以图表形式展示代码和运行结果，配合习题巩固读者对知识点的掌握。 《Python机器学习》适合作为高等院校计算机类、软件工程类和大数据相关专业本科生Python机器学习相关课程的教材，也可作为数据科学相关领域工程技术人员的参考书，还可供不具备Python语言基础的机器学习爱好者从零开始学习。 |
| 目录 |
| 前言 第1章Python概述 11Python简介 111Python的产生与发展 112Python的特点 113Python的应用领域 12Python开发环境搭建 121Python安装与配置 122Jupyter NoteBook 123PyCharm 13Python程序基本编写方法 131Python程序编写与执行 132Python错误与调试 133Python编码规范 14本章小结 15习题 第2章Python语言基础 21变量和简单数据类型 211标识符和变量 212基本数据类型 213运算符和表达式 22顺序结构 221赋值语句 222标准输入和输出 223顺序结构程序举例 23分支结构 231分支语句 232分支结构程序举例 24循环结构 241可迭代对象 242循环语句 243循环控制语句 244循环结构程序举例 25案例——人机对话猜数字 26本章小结 27习题 第3章基础数据结构 31列表 311列表的基本操作 312列表相关函数 313列表选取 32元组 321元组的基本操作 322元组与列表的异同与转换 33字典 331字典的基本操作 332遍历字典 333字典与列表的嵌套 34案例——约瑟夫环 35本章小结 36习题 第4章函数与模块 41函数的定义与调用 411函数的定义 412函数的调用 42函数的参数与返回值 421函数参数 422函数返回值 43两类特殊函数 431匿名函数 432递归函数 44常用函数 441字符串处理函数 442高级函数 45模块和包 451模块与包的导入 452常用模块 46案例——拼单词游戏 47本章小结 48习题 第5章面向对象程序设计 51类与对象 511类的定义 512对象的创建与使用 513数据成员与成员方法 52继承与重写 521继承 522重写 53异常处理 531内置的异常类 532异常的捕获与处理 533自定义异常类 54案例——超市销售管理系统 55本章小结 56习题 第6章NumPy数据分析 61安装NumPy库 62数据的获取 621使用Python读写文件 622使用NumPy读写文件 63数组创建与使用 631数组创建和基本属性 632数组选取 633数组操作 64数据运算 641算术运算 642比较运算 65案例——鸢尾花数据分析 66本章小结 67习题 第7章数据可视化 71安装Matplotlib库 72数据可视化基本流程 73设置绘图属性 74绘制常用图表 741折线图 742条形图 743散点图 744饼图 75绘制高级图表 751组合图 752三维图 76案例——随机漫步可视化 77本章小结 78习题 第8章机器学习概述 81机器学习简介 811机器学习的定义 812机器学习的发展 813机器学习的应用领域 82机器学习的基本理论 821基本术语 822机器学习算法 823机器学习的一般流程 83安装scikit-learn库 84scikit-learn基本框架 841数据的加载 842模型训练和预测 843模型的评估 844模型的保存与使用 85本章小结 86习题 第9章回归分析 91回归分析原理 92多元线性回归 921算法原理 922实现及参数 93正则化回归分析 931岭回归 932Lasso回归 933ElasticNet回归 94案例——不同回归算法的 分析对比 95本章小结 96习题 第10章分类算法 101k近邻算法 1011算法原理 1012实现及参数 1013k近邻回归 102朴素贝叶斯算法 1021相关概念 1022算法原理 1023实现及参数 103决策树 1031算法原理 1032最优特征选择函数 1033实现及参数 104分类与回归树 1041算法原理 1042实现及参数 105支持向量机 1051算法原理 1052核函数 1053实现及参数 106案例——多分类器分类数据 107本章小结 108习题 第11章聚类算法 111聚类的不同思想 112k均值算法 1121算法原理 1122实现及参数 113DBSCAN算法 1131算法原理 1132实现及参数 114Agglomerative聚类 1141算法原理 1142实现及参数 115案例——聚类不同分布 形状数据 116本章小结 117习题 第12章集成学习 121集成学习理论 122随机森林 1221算法原理 1222实现及参数 123投票法 124提升法 125本章小结 126习题 第13章算法评估与验证 131数据集划分 132距离度量方法 133分类有效性指标 134回归有效性指标 135聚类有效性指标 136参数调优 137本章小结 138习题 参考文献 |