互联网
类型
可以朗读
语音朗读
189千字
字数
2018-08-01
发行日期
展开全部
主编推荐语
本书主要介绍的机器学习算法及数据分析方法。
内容简介
本书首先讲述数据分析的过程，然后详细介绍常用的机器学习理论、算法与案例（大型案例29个），最终以解决实际问题驱动成书。
全书分三大部分共17章：第0~3章介绍Python的基础知识、安装和基本语法；第4~7章介绍Python的基本编程、机器学习基础及Python中常用的第三方库函数，并介绍数据预处理的基本方法；第8~16章分别介绍常用的机器学习分析算法及深度学习等。每章都采用多个经典案例图文并茂地介绍机器学习的原理和实现方法。
目录
- 版权信息
- 前言
- 第0章 本书的技术体系
- 0.1 Python的发展趋势
- 0.2 人工智能时代学习Python的重要性
- 0.3 本书的技术体系
- 0.4 学习本书需要注意的事项
- 第1章 Python基础知识
- 1.1 Python简介
- 1.2 Python的当前版本
- 1.3 Python的优缺点
- 1.4 Python与其他语言的区别
- 1.5 Python的应用领域
- 第2章 Python的安装、配置与卸载
- 2.1 Python的安装
- 2.2 Python的配置
- 2.3 Python的卸载
- 第3章 Python 3基础语法
- 3.1 第一个Python程序
- 3.2 Python的输入和输出
- 3.3 Python的基本数据类型
- 3.4 Python库的导入
- 3.5 Python的集成开发环境
- 3.6 自测练习
- 第4章 Python 3的编程
- 4.1 条件语句
- 4.2 循环语句
- 4.3 函数
- 4.4 模块
- 4.5 自测练习
- 第5章 机器学习基础
- 5.1 机器学习概述
- 5.2 监督学习简介
- 5.3 非监督学习简介
- 5.4 增强学习简介
- 5.5 深度学习简介
- 5.6 机器学习常用术语
- 第6章 Python机器学习及分析工具
- 6.1 矩阵操作函数库（NumPy）
- 6.2 科学计算的核心包（SciPy）
- 6.3 Python的绘图库（Matplotlib）
- 6.4 数据分析包（Pandas）
- 6.5 机器学习函数库（Scikit-learn）
- 6.6 统计建模工具包（StatsModels）
- 6.7 深度学习框架（TensorFlow）
- 第7章 数据预处理
- 7.1 数据预处理概述
- 7.2 数据清理
- 7.3 数据集成
- 7.4 数据变换
- 7.5 数据归约
- 7.6 Python的主要数据预处理函数
- 第8章 分类问题
- 8.1 分类概述
- 8.2 常用方法
- 8.3 项目实战
- 8.4 自测练习
- 第9章 预测分析
- 9.1 预测概述
- 9.2 常用方法
- 9.3 项目实战
- 9.4 自测练习
- 第10章 关联分析
- 10.1 关联分析概述
- 10.2 基本方法
- 10.3 项目实战（解决目前流行的实际问题）
- 10.4 自测练习
- 第11章 网络爬虫
- 11.1 网络爬虫概述
- 11.2 网页抓取策略和方法
- 11.3 项目实战
- 11.4 自测练习
- 第12章 集成学习
- 12.1 集成学习概述
- 12.2 常用方法
- 12.3 项目实战
- 12.4 自测练习
- 第13章 深度学习
- 13.1 深度学习概述
- 13.2 常用方法
- 13.3 项目实战
- 13.4 自测练习
- 第14章 数据降维及压缩
- 14.1 数据降维及压缩概述
- 14.2 基本方法
- 14.3 项目实战
- 14.4 自测练习
- 第15章 聚类分析
- 15.1 聚类分析概述
- 15.2 K-means算法
- 15.3 项目实战
- 15.4 自测练习
- 第16章 回归分析问题
- 16.1 回归分析概述
- 16.2 基本方法
- 16.3 项目实战
- 16.4 自测练习
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
北京大学出版社
北京大学出版社是在1979年，经国家出版事业管理局同意，教育部批准成立的，恢复了北京大学出版社建制。北京大学出版社依靠北大雄厚的教学、科研力量，同时积极争取国内外专家学者的合作支持，出版了大量高水平、高质量、适应多层次需要的优秀高等教育教材。 北大出版社注意对教材进行全面追踪，捕捉信息，及时修订，以跟上各学科的最新发展，反映该学科研究的最新成果，保持北大版教材的领先地位。
