- 跟着迪哥学Python数据分析与机器学习实战
- - 作者：唐宇迪
  - 出版社：人民邮电
  - ISBN：9787115512444
  - 出版日期：2019/09/01
  - 页数：449
- 售价：35.6

内容大纲
    本书结合了机器学习、数据分析和Python语言，通过案例以通俗易懂的方式讲解了如何将算法应用到实际任务。
    全书共20章，大致分为4个部分。第一部分介绍了Python的工具包，包括科学计算库Numpy、数据分析库Pandas、可视化库Matplotlib；第2部分讲解了机器学习中的经典算法，例如回归算法、决策树、集成算法、支持向量机、聚类算法等；第3部分介绍了深度学习中的常用算法，包括神经网络、卷积神经网络、递归神经网络；第4部分是项目实战，基于真实数据集，将算法模型应用到实际业务中。
    本书适合对人工智能、机器学习、数据分析等方向感兴趣的初学者和爱好者。
作者介绍
目录
第1章  人工智能入学指南
  1.1  AI时代首选Python
    1.1.1  Python的特点
    1.1.2  Python该怎么学
  1.2  人工智能的核心——机器学习
    1.2.1  什么是机器学习
    1.2.2  机器学习的流程
    1.2.3  机器学习该怎么学
  1.3  环境配置
    1.3.1  Anaconda大礼包
    1.3.2  Jupyter Notebook
    1.3.3  上哪找资源
  本章总结
第2章  科学计算库（Numpy）
  2.1  Numpy的基本操作
    2.1.1  Array数组
    2.1.2  数组特性
    2.1.3  数组属性操作
  2.2  索引与切片
    2.2.1  数值索引
    2.2.2  bool索引
  2.3  数据类型与数值计算
    2.3.1  数据类型
    2.3.2  复制与赋值
    2.3.3  数值运算
    2.3.4  矩阵乘法
  2.4  常用功能模块
    2.4.1  排序操作
    2.4.2  数组形状操作
    2.4.3  数组的拼接
    2.4.4  创建数组函数
    2.4.5  随机模块
    2.4.6  文件读写
  本章总结
第3章  数据分析处理库（Pandas）
  3.1  数据预处理
    3.1.1  数据读取
    3.1.2  DataFrame结构
    3.1.3  数据索引
    3.1.4  创建DataFrame
    3.1.5  Series操作
  3.2  数据分析
    3.2.1  统计分析
    3.2.2  pivot数据透视表
    3.2.3  groupby操作
  3.3  常用函数操作
    3.3.1  Merge操作
    3.3.2  排序操作
    3.3.3  缺失值处理
    3.3.4  apply自定义函数

    3.3.5  时间操作
    3.3.6  绘图操作
  3.4  大数据处理技巧
    3.4.1  数值类型转换
    3.4.2  属性类型转换
  本章总结
第4章  数据可视化库（Matplotlib）
  4.1  常规绘图方法
    4.1.1  细节设置
    4.1.2  子图与标注
    4.1.3  风格设置
……
第5章回归算法
第6章逻辑回归项目实战——信用卡欺诈检测
第7章决策树
第8章集成算法
第9章随机森林项目实战——气温预测
第10章特征工程
第11章：贝叶斯算法项目实战——新闻分类
第12章支持向量机
第13章推荐系统
第14章推荐系统项目实战——打造音乐推荐系统
第15章降维算法
第16章聚类算法
第17章神经网络
第18章 TensorFlow实战
第19章卷积神经网络
第20章神经网络项目实战——影评情感分析

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目