python在机器学习中的应用

python在机器学习中的应用
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
2019-06
版次: 1
ISBN: 9787517074830
定价: 79.80
装帧: 其他
开本: 16开
纸张: 胶版纸
56人买过
  • 随着大数据的兴起,Python 和机器学习迅速成为时代的宠儿。本书在内容编排上避免了枯燥的理论知识讲解,依循“理论简述——实际数据集——Python 程序实现算法”分析数据的思路,根据实际数据集的分析目的,采用合适的主流机器学习算法来解决问题。全书共12章,其中第1 ~ 4 章介绍了机器学习的基础知识;第5 ~ 12 章讨论了在面对不同的数据时,如何采用一些主流的算法来解决问题,主要包括回归分析、关联规则、无监督学习、文本LDA 模型、决策树和集成学习、朴素贝叶斯和K 近邻分类、支持向量机和神经网络,以及深
      度学习入门等内容。针对每个算法,都给出Python 代码实现算法建模的过程,并结合可视化技术,帮助读者更好地理解算法和分析结果。
      《Python 在机器学习中的应用》是使用Python 进行机器学习的入门实战教程,可作为以Python 为基础进行机器学习的本科生和研究生入门书籍,也可供对Python 机器学习感兴趣的研究人员参考阅读。 余本国,博士,硕士研究生导师。于中北大学理学系任教,主讲线性代数、微积分、Python语言、大数据分析基础等课程。2012年到加拿大York University做访问学者。出版有《Python数据分析基础》《基于Python的大数据分析基础及实战》等著作。 第1 章 机器学习简介 

    1.1 机器学习的任务  

    1.2 机器学习的三种方式  

    1.3 机器学习系统的建立  

    1.4 机器学习实例  

    第2 章 Python 常用库介绍

    2.1 Python 的安装(Anaconda) 

    2.1.1 Spyder  

    2.1.2 Jupyter Notebook 

    2.2 Python 常用库

    2.2.1 Numpy 库

    2.2.2 Pandas 库

    2.2.3 Matplotlib 库 

    2.2.4 Statsmodels 库 

    2.2.5 Scikit-learn 库 

    2.3 其他Python 常用的数据库 

    2.4 Python 各种库在机器学习中的应用

    第3 章 数据的准备和探索 

    3.1 数据预处理  

    3.2 数据假设检验  

    3.3 数据间的关系  

    3.4 数据可视化  

    3.5 特征提取和降维  

    第4 章 模型训练和评估 

    4.1 模型训练技巧  

    4.2 分类效果的评价  

    4.3 回归模型评价  

    4.4 聚类分析评估  

    第5 章 回归分析 

    5.1 回归分析简介  

    5.2 多元线性回归分析  

    5.2.1 多元线性回归  

    5.2.2 逐步回归  

    5.3 Lasso 回归分析

    5.4 Logistic 回归分析

    5.5 时间序列预测  

    第6 章 关联规则 

    6.1 关联规则简介  

    6.2 使用关联规则找到问卷的规则  

    6.3 关联规则可视化  

    第7 章 无监督学习 

    7.1 无监督学习介绍  

    7.2 系统聚类  

    7.3 K- 均值聚类

    7.4 密度聚类  

    7.5 Mean Shift 聚类

    7.6 字典学习图像去噪  

    第8 章 文本LDA 模型

    8.1 文本分析简介  

    8.2 中文分词  

    8.3 LDA 主题模型分析《红楼梦》

    8.4 红楼梦人物关系  

    第9 章 决策树和集成学习 

    9.1 模型简介  

    9.2 泰坦尼克号数据预处理  

    9.3 决策树模型  

    9.4 决策树剪枝  

    9.5 随机森林模型  

    9.6 AdaBoost 模型

    第10 章 朴素贝叶斯和K近邻分类

    10.1 模型简介  

    10.2 垃圾邮件数据预处理  

    10.3 贝叶斯模型识别垃圾邮件  

    10.4 基于异常值检测的垃圾邮件查找  

    10.4.1 PCA 异常值检测

    10.4.2 Isolation Forest 异常值检测

    10.5 数据不平衡问题的处理  

    10.6 K 近邻分类

    第11 章 支持向量机和神经网络 

    11.1 模型简介  

    11.2 肺癌数据可视化  

    11.3 支持向量机模型  

    11.4 全连接神经网络  

    第12 章 深度学习入门 

    12.1 深度学习介绍  

    12.2 卷积和池化  

    12.3 CNN 人脸识别

    12.4 CNN 人脸检测

    12.5 深度卷积图像去噪  

    12.5.1 空洞卷积  

    12.5.2 图像与图像块的相互转换  

    12.5.3 一种深度学习去噪方法  

     
  • 内容简介:
    随着大数据的兴起,Python 和机器学习迅速成为时代的宠儿。本书在内容编排上避免了枯燥的理论知识讲解,依循“理论简述——实际数据集——Python 程序实现算法”分析数据的思路,根据实际数据集的分析目的,采用合适的主流机器学习算法来解决问题。全书共12章,其中第1 ~ 4 章介绍了机器学习的基础知识;第5 ~ 12 章讨论了在面对不同的数据时,如何采用一些主流的算法来解决问题,主要包括回归分析、关联规则、无监督学习、文本LDA 模型、决策树和集成学习、朴素贝叶斯和K 近邻分类、支持向量机和神经网络,以及深
      度学习入门等内容。针对每个算法,都给出Python 代码实现算法建模的过程,并结合可视化技术,帮助读者更好地理解算法和分析结果。
      《Python 在机器学习中的应用》是使用Python 进行机器学习的入门实战教程,可作为以Python 为基础进行机器学习的本科生和研究生入门书籍,也可供对Python 机器学习感兴趣的研究人员参考阅读。
  • 作者简介:
    余本国,博士,硕士研究生导师。于中北大学理学系任教,主讲线性代数、微积分、Python语言、大数据分析基础等课程。2012年到加拿大York University做访问学者。出版有《Python数据分析基础》《基于Python的大数据分析基础及实战》等著作。
  • 目录:
    第1 章 机器学习简介 

    1.1 机器学习的任务  

    1.2 机器学习的三种方式  

    1.3 机器学习系统的建立  

    1.4 机器学习实例  

    第2 章 Python 常用库介绍

    2.1 Python 的安装(Anaconda) 

    2.1.1 Spyder  

    2.1.2 Jupyter Notebook 

    2.2 Python 常用库

    2.2.1 Numpy 库

    2.2.2 Pandas 库

    2.2.3 Matplotlib 库 

    2.2.4 Statsmodels 库 

    2.2.5 Scikit-learn 库 

    2.3 其他Python 常用的数据库 

    2.4 Python 各种库在机器学习中的应用

    第3 章 数据的准备和探索 

    3.1 数据预处理  

    3.2 数据假设检验  

    3.3 数据间的关系  

    3.4 数据可视化  

    3.5 特征提取和降维  

    第4 章 模型训练和评估 

    4.1 模型训练技巧  

    4.2 分类效果的评价  

    4.3 回归模型评价  

    4.4 聚类分析评估  

    第5 章 回归分析 

    5.1 回归分析简介  

    5.2 多元线性回归分析  

    5.2.1 多元线性回归  

    5.2.2 逐步回归  

    5.3 Lasso 回归分析

    5.4 Logistic 回归分析

    5.5 时间序列预测  

    第6 章 关联规则 

    6.1 关联规则简介  

    6.2 使用关联规则找到问卷的规则  

    6.3 关联规则可视化  

    第7 章 无监督学习 

    7.1 无监督学习介绍  

    7.2 系统聚类  

    7.3 K- 均值聚类

    7.4 密度聚类  

    7.5 Mean Shift 聚类

    7.6 字典学习图像去噪  

    第8 章 文本LDA 模型

    8.1 文本分析简介  

    8.2 中文分词  

    8.3 LDA 主题模型分析《红楼梦》

    8.4 红楼梦人物关系  

    第9 章 决策树和集成学习 

    9.1 模型简介  

    9.2 泰坦尼克号数据预处理  

    9.3 决策树模型  

    9.4 决策树剪枝  

    9.5 随机森林模型  

    9.6 AdaBoost 模型

    第10 章 朴素贝叶斯和K近邻分类

    10.1 模型简介  

    10.2 垃圾邮件数据预处理  

    10.3 贝叶斯模型识别垃圾邮件  

    10.4 基于异常值检测的垃圾邮件查找  

    10.4.1 PCA 异常值检测

    10.4.2 Isolation Forest 异常值检测

    10.5 数据不平衡问题的处理  

    10.6 K 近邻分类

    第11 章 支持向量机和神经网络 

    11.1 模型简介  

    11.2 肺癌数据可视化  

    11.3 支持向量机模型  

    11.4 全连接神经网络  

    第12 章 深度学习入门 

    12.1 深度学习介绍  

    12.2 卷积和池化  

    12.3 CNN 人脸识别

    12.4 CNN 人脸检测

    12.5 深度卷积图像去噪  

    12.5.1 空洞卷积  

    12.5.2 图像与图像块的相互转换  

    12.5.3 一种深度学习去噪方法  

     
查看详情
相关图书 / 更多
python在机器学习中的应用
pytest框架与自动化测试应用
房荔枝、梁丽丽 著
python在机器学习中的应用
python计算传播学实战
隆广庆 著
python在机器学习中的应用
pytest测试实战
布赖恩·奥肯(Brian,Okken) 著
python在机器学习中的应用
python编程从入门到实战2023年新版计算机零基础学python编程从入门到精通基础教材程序设计开发书籍python教程自学全套书籍
高明亮;潘金凤
python在机器学习中的应用
python程序设计实验教程(第二版)
关绍云 著
python在机器学习中的应用
python编程从入门到精通 Python网络爬虫核心编程数据分析语言程序设计 电脑计算机编程零基础书籍 小甲鱼
明日科技
python在机器学习中的应用
python绝技:运用python成为顶级黑客:运用Python成为顶级黑客
[美]TJ O\\\'Connor(TJ 奥科罗) 著;崔孝晨、武晓音 译
python在机器学习中的应用
python 3标准库
道格·赫尔曼
python在机器学习中的应用
python黑帽子:黑客与渗透测试编程之道
[美]Justin Seitz(贾斯汀·塞茨) 著;孙松柏、李聪、润秋 译
python在机器学习中的应用
python核心编程:从入门到实践:学与练
[印]米努·科利 著;余靖 译;江红;余青松
python在机器学习中的应用
python 程序设计
[美]戴维 I.施奈德(David I. Schneider) 著;车万翔 译