內容簡介

《Python機器學習》從實用的角度出發，整合Python語言基礎、數據分析與可視化、機器學習常用算法等知識。內容從*基本的Python編程基礎入手，由淺入深、循序漸進地講授NumPy庫和Matplotlib庫，以及復雜的機器學習基本理論和算法，並突出知識的實用性和可操作性。

《Python機器學習》力求以淺顯的語言講解復雜的知識，以直觀的案例輔助讀者理解，並以圖表形式展示代碼和運行結果，配合習題鞏固讀者對知識點的掌握。

《Python機器學習》適合作為高等院校計算機類、軟件工程類和大數據相關專業本科生Python機器學習相關課程的教材，也可作為數據科學相關領域工程技術人員的參考書，還可供不具備Python語言基礎的機器學習愛好者從零開始學習。

  目錄

前言

*1章Python概述

1*1Python簡介

1*1*1Python的產生與發展

1*1*2Python的特點

1*1*3Python的應用領域

1*2Python開發環境搭建

1*2*1Python安裝與配置

1*2*2Jupyter NoteBook

1*2*3PyCharm

1*3Python程序基本編寫方法

1*3*1Python程序編寫與執行

1*3*2Python錯誤與調試

1*3*3Python編碼規範

1*4本章小結

1*5習題

*2章Python語言基礎

2*1變量和簡單數據類型

2*1*1標識符和變量

2*1*2基本數據類型

2*1*3運算符和表達式

2*2順序結構

2*2*1賦值語句

2*2*2標準輸入和輸出

2*2*3順序結構程序舉例

2*3分支結構

2*3*1分支語句

2*3*2分支結構程序舉例

2*4循環結構

2*4*1可迭代對像

2*4*2循環語句

2*4*3循環控制語句

2*4*4循環結構程序舉例

2*5案例——人機對話猜數字

2*6本章小結

2*7習題

第3章基礎數據結構

3*1列表

3*1*1列表的基本操作

3*1*2列表相關函數

3*1*3列表選取

組

3*組的基本操作

3*組與列表的異同與轉換

3*3字典

3*3*1字典的基本操作

3*3*2遍歷字典

3*3*3字典與列表的嵌套

3*4案例——約瑟夫環

3*5本章小結

3*6習題

第4章函數與模塊

4*1函數的定義與調用

4*1*1函數的定義

4*1*2函數的調用

4*2函數的參數與返回值

4*2*1函數參數

4*2*2函數返回值

4*3兩類特殊函數

4*3*1匿名函數

4*3*2遞歸函數

4*4常用函數

4*4*1字符串處理函數

4*4*2*級函數

4*5模塊和包

4*5*1模塊與包的導入

4*5*2常用模塊

4*6案例——拼單詞遊戲

4*7本章小結

4*8習題

第5章面向對像程序設計

5*1類與對像

5*1*1類的定義

5*1*2對像的創建與使用

5*1*3數據成員與成員方法

5*2繼承與重寫

5*2*1繼承

5*2*2重寫

5*3異常處理

5*3*1內置的異常類

5*3*2異常的捕獲與處理

5*3*3自定義異常類

5*4案例——超市銷售管理繫統

5*5本章小結

5*6習題

第6章NumPy數據分析

6*1安裝NumPy庫

6*2數據的獲取

6*2*1使用Python讀寫文件

6*2*2使用NumPy讀寫文件

6*3數組創建與使用

6*3*1數組創建和基本屬性

6*3*2數組選取

6*3*3數組操作

6*4數據運算

6*4*1算術運算

6*4*2比較運算

6*5案例——鳶尾花數據分析

6*6本章小結

6*7習題

第7章數據可視化

7*1安裝Matplotlib庫

7*2數據可視化基本流程

7*3設置繪圖屬性

7*4繪制常用圖表

7*4*1折線圖

7*4*2條形圖

7*4*3散點圖

7*4*4餅圖

7*5繪制*級圖表

7*5*1組合圖

7*5*2三維圖

7*6案例——隨機漫步可視化

7*7本章小結

7*8習題

第8章機器學習概述

8*1機器學習簡介

8*1*1機器學習的定義

8*1*2機器學習的發展

8*1*3機器學習的應用領域

8*2機器學習的基本理論

8*2*1基本術語

8*2*2機器學習算法

8*2*3機器學習的一般流程

8*3安裝scikit-learn庫

8*4scikit-learn基本框架

8*4*1數據的加載

8*4*2模型訓練和預測

8*4*3模型的評估

8*4*4模型的保存與使用

8*5本章小結

8*6習題

第9章回歸分析

9*1回歸分析原理

9線性回歸

9*2*1算法原理

9*2*2實現及參數

9*3正則化回歸分析

9*3*1嶺回歸

9*3*2Lasso回歸

9*3*3ElasticNet回歸

9*4案例——不同回歸算法的

分析對比

9*5本章小結

9*6習題

*10章分類算法

10*1k近鄰算法

10*1*1算法原理

10*1*2實現及參數

10*1*3k近鄰回歸

10*2樸素貝葉斯算法

10*2*1相關概念

10*2*2算法原理

10*2*3實現及參數

10*3決策樹

10*3*1算法原理

10*3*2*優特征選擇函數

10*3*3實現及參數

10*4分類與回歸樹

10*4*1算法原理

10*4*2實現及參數

10*5支持向量機

10*5*1算法原理

10*5*2核函數

10*5*3實現及參數

10*6案例——多分類器分類數據

10*7本章小結

10*8習題

*11章聚類算法

11*1聚類的不同思想

11*2k均值算法

11*2*1算法原理

11*2*2實現及參數

11*3DBSCAN算法

11*3*1算法原理

11*3*2實現及參數

11*4Agglomerative聚類

11*4*1算法原理

11*4*2實現及參數

11*5案例——聚類不同分布

形狀數據

11*6本章小結

11*7習題

*12章集成學習

12*1集成學習理論

12*2隨機森林

12*2*1算法原理

12*2*2實現及參數

12*3投票法

12*4提升法

12*5本章小結

12*6習題

*13章算法評估與驗證

13*1數據集劃分

13*2距離度量方法

13*3分類有效性指標

13*4回歸有效性指標

13*5聚類有效性指標

13*6參數調優

13*7本章小結

13*8習題

參考文獻