零起点Python机器学习快速入门 Ling qi dian Python ji qi xue xi kuai su ru men

《零起点Python机器学习快速入门》采用独创的黑箱模式,MBA案例教学机制,结合一线实战案例,介绍 Sklearn人工智能模块库和常用的机器学习算法。《零起点Python机器学习快速入门》中配备大量图表说明,没有枯燥的数学公式,只要懂 Word、Excel,就能够轻松阅读全书,并学习使用书中的知识,分析大数据。 《零起点Python机器学习快速入门》具有以下特色: 独创的黑箱教学模式,《零起点Python机器学习快速入门》无任何抽象理论和深奥的数学公式。 首次系统化融合 Sklearn人工智能软件和 Pandas数据分析软件,不用再直接使用复杂的 Numpy数学矩阵模块。 系统化的 Sklearn函数 API接口中文文档,可作为案头工具书随时查阅。 基于 Sklearn+Pandas架构,全程采用 MBA案例模式,无需任何理论基础,懂 Excel就可看懂。 扉页 版权页 前言 目录 第1章 从阿尔法狗开始说起 1.1 阿尔法狗的前世今生 1.2 机器学习是什么 1.3 机器学习大史记 1.4 机器学习经典案例 第2章 开发环境 2.1 数据分析首选Python 2.2 用户运行平台 2.3 程序目录结构 2.4 Spyder编辑器界面设置 2.5 Python命令行模式 2.6 Notebook模式 2.7 模块库控制面板 2.8 使用pip更新模块库 第3章 Python入门案例 3.1 案例3-1:第一次编程“hello,ziwang” 3.2 案例3-2:增强版“hello,zwiang” 3.3 案例3-3:列举系统模块库清单 3.4 案例3-4:常用绘图风格 3.5 案例3-5:Pandas常用绘图风格 3.6 案例3-6:常用颜色表cors 3.7 案例源码 第4章 Python基本语法 4.1 数据类型 案例4-1:基本运算 4.2 字符串 案例4-2:字符串入门 案例4-3:字符串常用方法 4.3 List列表 案例4-4:列表操作 4.4 Tuple元组 案例4-5:元组操作 4.5 Dictionary字典 案例4-6:字典操作 4.6 数据类型转换 案例4-7:控制语句 案例4-8:函数定义 4.7 案例源码 第5章 Python人工智能入门与实践 5.1 从忘却开始 5.2 Iris经典爱丽丝 案例5-1:Iris爱丽丝 案例5-2:爱丽丝进化与文本矢量化 5.3 AI操作流程 5.4 数据切割函数 案例5-3:Iris爱丽丝分解 案例5-4:线性回归算法 5.5 案例源码 第6章 机器学习经典算法案例(上) 6.1 线性回归 6.2 逻辑回归算法 案例6-1:逻辑回归算法 6.3 朴素贝叶斯算法 案例6-2:贝叶斯算法 6.4 KNN近邻算法 案例6-3:KNN近邻算法 6.5 随机森林算法 案例6-4:随机森林算法 6.6 案例源码 第7章 机器学习经典算法案例(下) 7.1 决策树算法 案例7-1:决策树算法 7.2 GBDT迭代决策树算法 案例7-2:GBDT迭代决策树算法 7.3 SVM向量机 案例7-3:SVM向量机算法 7.4 SVM-cross向量机交叉算法 案例7-4:SVM-cross向量机交叉算法 7.5 神经网络算法 案例7-5:MLP神经网络算法 案例7-6:MLP_reg神经网络回归算法 7.6 案例源码 第8章 机器学习组合算法 8.1 CCPP数据集 案例8-1:CCPP数据集 案例8-2:CCPP数据切割 案例8-3:读取CCPP数据集 8.2 机器学习统一接口函数 案例8-4:机器学习统一接口 案例8-5:批量调用机器学习算法 案例8-6:一体化调用 8.3 模型预制与保存 案例8-7:储存算法模型 案例8-8:批量储存算法模型 案例8-9:批量加载算法模型 案例8-10:机器学习组合算法 8.4 案例源码 附录A Sklearn常用模块和函数 附录B 极宽量化系统模块图 本书采用独创的黑箱模式,MBA案例教学机制,结合一线实战案例,介绍Sklearn人工智能模块库和常用的机器学习算法。书中配备大量图表说明,没有枯燥的数学公式,只要懂Word、Excel,就能够轻松阅读全书,并学习使用书中的知识,分析大数据。本书具有以下特色: ·独创的黑箱教学模式,全书无任何抽象理论和深奥的数学公式。 ·首次系统化融合Sklearn人工智能软件和Pandas数据分析软件,不用再直接使用复杂的Numpy数学矩阵模块。 ·系统化的Sklearn函数API接口中文文档,可作为案头工具书随时查阅。 ·基于Sklearn+Pandas架构,全程采用MBA案例模式,无需任何理论基础,懂Excel就可看懂。