●第 1 章 從阿爾法狗開始說起1 1.1 阿爾法狗的前世今生.......1 1.2 機器學習是什麼.....2 1.3 機器學習大史記.....3 1.4 機器學習經典案例......... 11 第 2 章 開發環境......13 2.1 數據分析首選 Python.....13 2.2 用戶運行平臺.......18 2.3 程序目錄結構.......19 2.4 Spyder 編輯器界面設置.20 2.5 Python 命令行模式.........26 2.6 Notebook 模式......27 2.7 模塊庫控制面板...29 2.8 使用 pip 更新模塊庫......33 第 3 章 Python 入門案例....39 3.1 案例 3-1：次編程“hello,ziwang” ....39 3.2 案例 3-2：增強版“hello,zwiang” ..42 3.3 案例 3-3：列舉繫統模塊庫清單.......44 3.4 案例 3-4：常用繪圖風格.........45 3.5 案例 3-5：Pandas 常用繪圖風格.......47 3.6 案例 3-6：常用顏色表 cors.....49 3.7 案例源碼.....50 第 4 章 Python 基本語法....58 4.1 數據類型.....58 案例 4-1：基本運算.......59 4.2 字符串.........61 案例 4-2：字符串入門...61 案例 4-3：字符串常用方法.....63 4.3 List 列表......64 案例 4-4：列表操作.......65 4.4 Tup組...66 案例 4組操作.......67 4.5 Dictionary 字典.....68 案例 4-6：字典操作.......68 4.6 數據類型轉換.......70 案例 4-7：控制語句.......71 案例 4-8：函數定義.......73 4.7 案例源碼.....75 第 5 章 Python 人工智能入門與實踐......85 5.1 從忘卻開始.85 5.2 Iris 經典愛麗絲.....89 案例 5-1：Iris 愛麗絲 ....90 案例 5-2：愛麗絲進化與文本矢量化.........92 5.3 AI 操作流程95 5.4 數據切割函數.......98 案例 5-3：Iris 愛麗絲分解 ......99 案例 5-4：線性回歸算法.......103 5.5 案例源碼...109 第 6 章 機器學習經典算法案例（上） . 116 6.1 線性回歸... 116 6.2 邏輯回歸算法.....124 案例 6-1：邏輯回歸算法.......125 6.3 樸素貝葉斯算法.127 案例 6-2：貝葉斯算法.129 6.4 KNN 近鄰算法 ...130 案例 6-3：KNN 近鄰算法.....133 6.5 隨機森林算法.....135 案例 6-4：隨機森林算法.......139 6.6 案例源碼...140 第 7 章 機器學習經典算法案例（下） .149 7.1 決策樹算法.........149 案例 7-1：決策樹算法.151 7.2 GBDT 迭代決策樹算法.........153 案例 7-2：GBDT 迭代決策樹算法.154 7.3 SVM 向量機 .......156 案例 7-3：SVM 向量機算法.157 7.4 SVM-cross 向量機交叉算法..159 案例 7-4：SVM-cross 向量機交叉算法....160 7.5 神經網絡算法.....161 案例 7-5：MLP 神經網絡算法........165 案例 7-6：MLP_reg 神經網絡回歸算法...168 7.6 案例源碼...170 第 8 章 機器學習組合算法 .........183 8.1 CCPP 數據集......183 案例 8-1：CCPP 數據集........184 案例 8-2：CCPP 數據切割....186 案例 8-3：讀取 CCPP 數據集.........189 8.2 機器學習統一接口函數.........192 案例 8-4：機器學習統一接口.........193 案例 8-5：批量調用機器學習算法.201 案例 8-6：一體化調用.205 8.3 模型預制與保存.208 案例 8-7：儲存算法模型.......210 案例 8-8：批量儲存算法模型.........213 案例 8-9：批量加載算法模型.........215 案例 8-10：機器學習組合算法.......219 8.4 案例源碼...224 附錄 A Sklearn 常用模塊和函數.242 附錄 B 極寬量化繫統模塊圖......266
內容簡介
本書采用的黑箱模式，MBA案例教學機制，結合一線實戰案例，介紹Sklearn人工智能模塊庫和常用的機器學習算法。書中配備大量圖表說明，沒有枯燥的數學公式，普通讀者，隻要懂Word、Excel，就能夠輕松閱讀全書，並學習使用書中的知識，分析大數據。本書具有以下特色：的黑箱教學模式，全書無任何抽像理論和深奧的數學公式。搶先發售繫統化融合Sklearn人工智能軟件和Pandas數據分析軟件，不用再直接使用復雜的Numpy數學矩陣模塊。繫統化的Sklearn函數和API中文文檔，可作為案頭工具書隨時查閱。基於Sklearn+Pandas模式，無須任何理論基礎，全程采用MBA案例模式，懂Excel就可看懂。
