作品简介

《Python机器学习算法与实战》基于Python语言,结合实际的数据集,介绍如何使用机器学习与深度学习算法,对数据进行实战分析。本书在内容上循序渐进,先介绍了Python的基础内容,以及如何利用Python中的第三方库对数据进行预处理和探索可视化的相关操作,然后结合实际数据集,分章节介绍了机器学习与深度学习的相关算法应用。

《Python机器学习算法与实战》为读者提供了源程序和使用的数据集,方便读者在阅读时同步运行程序,在增强学习效果的同时为读者节省了编写程序的时间。源程序使用Notebook的形式进行组织,每个小节注释清晰,讲解透彻。同时为程序配备了相应的视频讲解,辅助读者加强对程序的理解和消化。本书在简明扼要地介绍算法原理的同时,更加注重实战应用和对结果的解读。

《Python机器学习算法与实战》适合需要掌握机器学习与深度学习基础的读者,学习完本书后,读者将会具备选择合适算法,完成对自有数据集的预处理、建模分析与预测的能力,并且会对机器学习与深度学习算法有更深的理解。

余本国,博士,硕士研究生导师,现工作于海南医学院生物医学信息与工程学院。主讲高等数学、微积分、Python语言、大数据分析基础等课程。2012年到加拿大York University做访问学者。出版《Python数据分析基础》《基于Python的大数据分析基础及实战》《Python在机器学习中的应用》《Pytorch深度学习入门与实战》《Python编程与数据分析应用》等书。

孙玉林,现于西安电子科技大学人工智能学院博士在读。长期从事大数据统计分析、机器学习与计算机视觉等方面的研究,曾获得多次数学建模与数据挖掘比赛一等奖。出版有《Python在机器学习中的应用》《R语言统计分析与机器学习》《Pytorch深度学习入门与实战》等著作。

作品目录

  • 内容简介
  • 前言
  • 第1章 Python机器学习入门
  • 1.1 机器学习简介
  • 1.2 安装Anaconda(Python)
  • 1.3 Python快速入门
  • 1.4 Python基础库入门实战
  • 1.5 机器学习模型初探
  • 1.6 本章小结
  • 第2章 数据探索与可视化
  • 2.1 缺失值处理
  • 2.2 数据描述与异常值发现
  • 2.3 可视化分析数据关系
  • 2.4 数据样本间的距离
  • 2.5 本章小结
  • 第3章 特征工程
  • 3.1 特征变换
  • 3.2 特征
  • 3.3 特征选择
  • 3.4 特征提取和降维
  • 3.5 数据平衡方法
  • 3.6 本章小结
  • 第4章 模型选择和评估
  • 4.1 模型拟合效果
  • 4.2 模型训练技巧
  • 4.3 模型的评价指标
  • 4.4 本章小结
  • 第5章 假设检验和回归分析
  • 5.1 假设检验
  • 5.2 一元回归
  • 5.3 多元回归
  • 5.4 正则化回归分析
  • 5.5 Logistic回归分析
  • 5.6 本章小结
  • 第6章 时间序列分析
  • 6.1 时间序列数据的相关检验
  • 6.2 移动平均算法
  • 6.3 ARIMA模型
  • 6.4 SARIMA模型
  • 6.5 Prophet模型预测时间序列
  • 6.6 多元时间序列ARIMAX模型
  • 6.7 时序数据的异常值检测
  • 6.8 本章小结
  • 第7章 聚类算法与异常值检测
  • 7.1 模型简介
  • 7.2 数据聚类分析
  • 7.3 数据异常值检测分析
  • 7.4 本章小结
  • 第8章 决策树和集成学习
  • 8.1 模型简介与数据准备
  • 8.3 随机森林模型
  • 8.4 AdaBoost模型
  • 8.5 梯度提升树(GBDT)
  • 8.6 本章小结
  • 第9章 贝叶斯算法和K-近邻算法
  • 9.1 模型简介
  • 9.2 贝叶斯分类算法
  • 9.3 贝叶斯网络数据分类
  • 9.4 K-近邻算法
  • 9.5 本章小结
  • 第10章 支持向量机和人工神经网络
  • 10.1 模型简介
  • 10.2 支持向量机模型
  • 10.3 全连接神经网络模型
  • 10.4 本章小结
  • 第11章 关联规则与文本挖掘
  • 11.1 模型简介
  • 11.2 数据关联规则挖掘
  • 11.3 文本数据预处理
  • 11.4 文本聚类分析
  • 11.5 《三国演义》人物关系分析
  • 11.6 本章小结
  • 第12章 深度学习入门
  • 12.1 深度学习介绍
  • 12.2 PyTorch入门
  • 12.3 卷积神经网络识别草书
  • 12.4 循环神经网络新闻分类
  • 12.5 自编码网络重构图像
  • 12.6 本章小结
  • 参考文献
展开全部