您当前的位置：首页 > 零起点 Python 机器学习快速入门 何海群著 > 下载地址1
零起点 Python 机器学习快速入门 何海群著
- 名 称：零起点 Python 机器学习快速入门 何海群著 - 下载地址1
- 类 别：计算机与网络
- 下载地址：[下载地址1]
- 提 取 码：
- 浏览次数：3
发表评论 加入收藏夹 错误报告目录| 新闻评论（共有 0 条评论） |
资料介绍
零起点 Python 机器学习快速入门
作者：何海群著
出版时间：2017
内容简介
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，普通读者，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函数和API中文文档，可作为案头工具书随时查阅。基于Sklearn+Pandas模式，无须任何理论基础，全程采用MBA案例模式，懂Excel就可看懂。
目录
第 1 章 从阿尔法狗开始说起1
1．1 阿尔法狗的前世今生．．．．．．．1
1．2 机器学习是什么．．．．．2
1．3 机器学习大史记．．．．．3
1．4 机器学习经典案例．．．．．．．．． 11
第 2 章 开发环境．．．．．．13
2．1 数据分析首选 Python．．．．．13
2．2 用户运行平台．．．．．．．18
2．3 程序目录结构．．．．．．．19
2．4 Spyder 编辑器界面设置．20
2．5 Python 命令行模式．．．．．．．．．26
2．6 Notebook 模式．．．．．．27
2．7 模块库控制面板．．．29
2．8 使用 pip 更新模块库．．．．．．33
第 3 章 Python 入门案例．．．．39
3．1 案例 3-1：第一次编程“hello，ziwang” ．．．．39
3．2 案例 3-2：增强版“hello，zwiang” ．．42
3．3 案例 3-3：列举系统模块库清单．．．．．．．44
3．4 案例 3-4：常用绘图风格．．．．．．．．．45
3．5 案例 3-5：Pandas 常用绘图风格．．．．．．．47
3．6 案例 3-6：常用颜色表 cors．．．．．49
3．7 案例源码．．．．．50
第 4 章 Python 基本语法．．．．58
4．1 数据类型．．．．．58
案例 4-1：基本运算．．．．．．．59
4．2 字符串．．．．．．．．．61
案例 4-2：字符串入门．．．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 Tuple 元组．．．66
案例 4-5：元组操作．．．．．．．67
4．5 Dictionary 字典．．．．．68
案例 4-6：字典操作．．．．．．．68
4．6 数据类型转换．．．．．．．70
案例 4-7：控制语句．．．．．．．71
案例 4-8：函数定义．．．．．．．73
4．7 案例源码．．．．．75
第 5 章 Python 人工智能入门与实践．．．．．．85
5．1 从忘却开始．85
5．2 Iris 经典爱丽丝．．．．．89
案例 5-1：Iris 爱丽丝 ．．．．90
案例 5-2：爱丽丝进化与文本矢量化．．．．．．．．．92
5．3 AI 操作流程95
5．4 数据切割函数．．．．．．．98
案例 5-3：Iris 爱丽丝分解 ．．．．．．99
案例 5-4：线性回归算法．．．．．．．103
5．5 案例源码．．．109
第 6 章 机器学习经典算法案例（上） ． 116
6．1 线性回归．．． 116
6．2 逻辑回归算法．．．．．124
案例 6-1：逻辑回归算法．．．．．．．125
6．3 朴素贝叶斯算法．127
案例 6-2：贝叶斯算法．129
6．4 KNN 近邻算法 ．．．130
案例 6-3：KNN 近邻算法．．．．．133
6．5 随机森林算法．．．．．135
案例 6-4：随机森林算法．．．．．．．139
6．6 案例源码．．．140
第 7 章 机器学习经典算法案例（下） ．149
7．1 决策树算法．．．．．．．．．149
案例 7-1：决策树算法．151
7．2 GBDT 迭代决策树算法．．．．．．．．．153
案例 7-2：GBDT 迭代决策树算法．154
7．3 SVM 向量机 ．．．．．．．156
案例 7-3：SVM 向量机算法．157
7．4 SVM-cross 向量机交叉算法．．159
案例 7-4：SVM-cross 向量机交叉算法．．．．160
7．5 神经网络算法．．．．．161
案例 7-5：MLP 神经网络算法．．．．．．．．165
案例 7-6：MLP_reg 神经网络回归算法．．．168
7．6 案例源码．．．170
第 8 章 机器学习组合算法 ．．．．．．．．．183
8．1 CCPP 数据集．．．．．．183
案例 8-1：CCPP 数据集．．．．．．．．184
案例 8-2：CCPP 数据切割．．．．186
案例 8-3：读取 CCPP 数据集．．．．．．．．．189
8．2 机器学习统一接口函数．．．．．．．．．192
案例 8-4：机器学习统一接口．．．．．．．．．193
案例 8-5：批量调用机器学习算法．201
案例 8-6：一体化调用．205
8．3 模型预制与保存．208
案例 8-7：储存算法模型．．．．．．．210
案例 8-8：批量储存算法模型．．．．．．．．．213
案例 8-9：批量加载算法模型．．．．．．．．．215
案例 8-10：机器学习组合算法．．．．．．．219
8．4 案例源码．．．224
附录 A Sklearn 常用模块和函数．242
附录 B 极宽量化系统模块图．．．．．．266
作者：何海群著
出版时间：2017
内容简介
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，普通读者，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函数和API中文文档，可作为案头工具书随时查阅。基于Sklearn+Pandas模式，无须任何理论基础，全程采用MBA案例模式，懂Excel就可看懂。
目录
第 1 章 从阿尔法狗开始说起1
1．1 阿尔法狗的前世今生．．．．．．．1
1．2 机器学习是什么．．．．．2
1．3 机器学习大史记．．．．．3
1．4 机器学习经典案例．．．．．．．．． 11
第 2 章 开发环境．．．．．．13
2．1 数据分析首选 Python．．．．．13
2．2 用户运行平台．．．．．．．18
2．3 程序目录结构．．．．．．．19
2．4 Spyder 编辑器界面设置．20
2．5 Python 命令行模式．．．．．．．．．26
2．6 Notebook 模式．．．．．．27
2．7 模块库控制面板．．．29
2．8 使用 pip 更新模块库．．．．．．33
第 3 章 Python 入门案例．．．．39
3．1 案例 3-1：第一次编程“hello，ziwang” ．．．．39
3．2 案例 3-2：增强版“hello，zwiang” ．．42
3．3 案例 3-3：列举系统模块库清单．．．．．．．44
3．4 案例 3-4：常用绘图风格．．．．．．．．．45
3．5 案例 3-5：Pandas 常用绘图风格．．．．．．．47
3．6 案例 3-6：常用颜色表 cors．．．．．49
3．7 案例源码．．．．．50
第 4 章 Python 基本语法．．．．58
4．1 数据类型．．．．．58
案例 4-1：基本运算．．．．．．．59
4．2 字符串．．．．．．．．．61
案例 4-2：字符串入门．．．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 Tuple 元组．．．66
案例 4-5：元组操作．．．．．．．67
4．5 Dictionary 字典．．．．．68
案例 4-6：字典操作．．．．．．．68
4．6 数据类型转换．．．．．．．70
案例 4-7：控制语句．．．．．．．71
案例 4-8：函数定义．．．．．．．73
4．7 案例源码．．．．．75
第 5 章 Python 人工智能入门与实践．．．．．．85
5．1 从忘却开始．85
5．2 Iris 经典爱丽丝．．．．．89
案例 5-1：Iris 爱丽丝 ．．．．90
案例 5-2：爱丽丝进化与文本矢量化．．．．．．．．．92
5．3 AI 操作流程95
5．4 数据切割函数．．．．．．．98
案例 5-3：Iris 爱丽丝分解 ．．．．．．99
案例 5-4：线性回归算法．．．．．．．103
5．5 案例源码．．．109
第 6 章 机器学习经典算法案例（上） ． 116
6．1 线性回归．．． 116
6．2 逻辑回归算法．．．．．124
案例 6-1：逻辑回归算法．．．．．．．125
6．3 朴素贝叶斯算法．127
案例 6-2：贝叶斯算法．129
6．4 KNN 近邻算法 ．．．130
案例 6-3：KNN 近邻算法．．．．．133
6．5 随机森林算法．．．．．135
案例 6-4：随机森林算法．．．．．．．139
6．6 案例源码．．．140
第 7 章 机器学习经典算法案例（下） ．149
7．1 决策树算法．．．．．．．．．149
案例 7-1：决策树算法．151
7．2 GBDT 迭代决策树算法．．．．．．．．．153
案例 7-2：GBDT 迭代决策树算法．154
7．3 SVM 向量机 ．．．．．．．156
案例 7-3：SVM 向量机算法．157
7．4 SVM-cross 向量机交叉算法．．159
案例 7-4：SVM-cross 向量机交叉算法．．．．160
7．5 神经网络算法．．．．．161
案例 7-5：MLP 神经网络算法．．．．．．．．165
案例 7-6：MLP_reg 神经网络回归算法．．．168
7．6 案例源码．．．170
第 8 章 机器学习组合算法 ．．．．．．．．．183
8．1 CCPP 数据集．．．．．．183
案例 8-1：CCPP 数据集．．．．．．．．184
案例 8-2：CCPP 数据切割．．．．186
案例 8-3：读取 CCPP 数据集．．．．．．．．．189
8．2 机器学习统一接口函数．．．．．．．．．192
案例 8-4：机器学习统一接口．．．．．．．．．193
案例 8-5：批量调用机器学习算法．201
案例 8-6：一体化调用．205
8．3 模型预制与保存．208
案例 8-7：储存算法模型．．．．．．．210
案例 8-8：批量储存算法模型．．．．．．．．．213
案例 8-9：批量加载算法模型．．．．．．．．．215
案例 8-10：机器学习组合算法．．．．．．．219
8．4 案例源码．．．224
附录 A Sklearn 常用模块和函数．242
附录 B 极宽量化系统模块图．．．．．．266
