机器学习入门：Python语言实现

作品简介

本书旨在为读者提供与机器学习有关Python 3的基本编程概念。前4章快速介绍了Python 3、NumPy和Pandas。第5章介绍了机器学习的基本概念。第6章主要介绍机器学习分类器，例如逻辑回归、kNN、决策树、随机森林和SVM。第7章介绍了自然语言处理和强化学习。本书还提供了基于Keras的代码示例作为理论讨论的补充。此外还为正则表达式、Keras和TensorFlow 2提供了单独的附录。

奥斯瓦尔德·坎佩萨托（Oswald Campesato），专门研究深度学习、Java、Android和TensorFlow。他是25本书的作者/合著者，其中包括TensorFlow Pocket Primer、Artificial Intelligence，Machine Learning，and Deep Learning和Python Pocket Primer。

作品目录

• 作者简介
• 译者序
• 前言
• 第1章　Python 3简介
• 1.1　Python相关工具与安装
• 1.2　Python编程基础
• 1.3　Python中的简单数据类型
• 1.4　Python中的异常处理
• 1.5　小结
• 第2章　条件逻辑、循环和函数
• 2.1　Python中的条件逻辑
• 2.2　Python中的变量和参数
• 2.3　在Python中使用循环
• 2.4　Python中的用户自定义函数
• 2.5　递归
• 2.6　小结
• 第3章　Python数据类型
• 3.1　列表
• 3.2　元组（不可变列表）
• 3.3　集合
• 3.4　字典
• 3.5　Python中的其他数据类型
• 3.6　小结
• 第4章　NumPy和Pandas介绍
• 4.1　NumPy
• 4.2　子范围
• 4.3　NumPy中其他有用的方法
• 4.4　 Pandas
• 4.5　Pandas DataFrame的各种操作
• 4.6　小结
• 第5章　机器学习
• 5.1　什么是机器学习
• 5.2　使用数据集
• 5.3　线性回归
• 5.4　求解线性回归问题的示例
• 5.5　小结
• 第6章　机器学习中的分类器
• 6.1　分类器
• 6.2　激活函数
• 6.3　逻辑回归
• 6.4　Keras、逻辑回归和Iris数据集
• 6.5　小结
• 第7章　自然语言处理与强化学习
• 7.1　使用NLP
• 7.2　强化学习
• 7.3　RL工具包和框架
• 7.4　小结
• 附录A　正则表达式简介
• 附录B　Keras介绍
• 附录C　TF 2介绍