作品简介

《机器学习实战:视频教学版》基于Python语言详细讲解机器学习算法及其应用,用于读者快速入门机器学习。本书配套示例源代码、PPT课件、教学视频、教学大纲、习题与答案、作者微信答疑。

《机器学习实战:视频教学版》共分12章,内容包括机器学习概述、Python数据处理基础、Python常用机器学习库、线性回归及应用、分类算法及应用、数据降维及应用、聚类算法及应用、关联规则挖掘算法及应用、协同过滤算法及应用,最后通过3个综合实战项目(包括新闻内容分类实战、泰坦尼克号获救预测实战、中药数据分析项目实战),帮助读者对所学技能进行巩固和提升。本书主要章节都给出了对应的示例及其详细的分析步骤,方便读者从编程中掌握机器学习基础算法及应用。

《机器学习实战:视频教学版》适合机器学习初学者、大数据分析人员和机器学习算法开发工程师阅读;也适合作为高等院校或高职高专人工智能、计算机、软件工程、数据科学与大数据技术、智能科学与技术等专业机器学习课程的教材。

迟殿委,计算机软件与理论专业硕士,系统架构设计师。有十多年JavaEE、大数据全栈应用开发经验和培训经验,擅长JavaEE架构设计、大数据分析与挖掘。著有图书:《Spark入门与大数据分析实战》《Hive入门与大数据分析实战》《Hadoop大数据分析技术》《Hadoop+Spark大数据分析实战》《Spring Boot企业级开发实战(视频教学版)》《深入浅出Java编程》《Spring Boot+Spring Cloud微服务开发》。

作品目录

  • 作者简介
  • 内容简介
  • 前言
  • 第1章 机器学习概述
  • 1.1 机器学习简介
  • 1.2 机器学习的发展史和分类
  • 1.3 机器学习常用术语
  • 1.4 本章小结
  • 第2章 Python数据处理基础
  • 2.1 Python开发环境搭建
  • 2.2 Python基本数据类型
  • 2.3 Python文件的基本操作
  • 2.4 本章小结
  • 第3章 Python常用机器学习库
  • 3.1 Python数值计算库NumPy
  • 3.2 Python数据处理库Pandas
  • 3.3 Python数据可视化库Matplotlib
  • 3.4 Python机器学习库scikit-learn
  • 3.5 本章小结
  • 第4章 线性回归及应用
  • 4.1 线性回归算法理论
  • 4.2 回归算法的评价指标
  • 4.3 梯度下降算法
  • 4.4 过拟合
  • 4.5 线性回归实战
  • 4.6 本章小结
  • 第5章 分类算法及应用
  • 5.1 逻辑回归理论与应用
  • 5.2 SVM理论及应用
  • 5.3 朴素贝叶斯分类及应用
  • 5.4 决策树分类及应用
  • 5.5 随机森林算法实战
  • 5.6 本章小结
  • 第6章 数据降维及应用
  • 6.1 数据降维概述
  • 6.2 PCA算法
  • 6.3 SVD算法
  • 6.4 本章小结
  • 第7章 聚类算法及应用
  • 7.1 聚类理论基础
  • 7.2 K-Means聚类
  • 7.3 高斯混合聚类
  • 7.4 谱聚类
  • 7.5 本章小结
  • 第8章 关联规则挖掘算法及应用
  • 8.1 关联规则挖掘算法理论
  • 8.2 关联规则挖掘算法实战
  • 8.3 本章小结
  • 第9章 协同过滤算法及应用
  • 9.1 协同过滤算法理论
  • 9.2 协同过滤算法电影推荐实战
  • 9.3 本章小结
  • 第10章 新闻内容分类实战
  • 10.1 数据准备
  • 10.2 分词与清洗工作
  • 10.3 模型建立
  • 10.4 分类任务
  • 10.5 本章小结
  • 第11章 泰坦尼克号获救预测实战
  • 11.1 数据处理
  • 11.2 建立模型
  • 11.3 算法概率计算
  • 11.4 集成算法,构建多棵分类树
  • 11.5 特征提取
  • 11.6 集成多种算法
  • 11.7 本章小结
  • 第12章 中药数据分析项目实战
  • 12.1 项目背景及目标
  • 12.2 数据处理与分析实战
  • 12.3 本章小结
展开全部