[
-
内容大纲
本书基于Python的机器学习库scikit-learn，系统讲解机器学习核心算法及其应用，内容涵盖机器学习认知、数据预处理、KNN算法、线性回归算法、逻辑回归算法、朴素贝叶斯算法、决策树与随机森林算法、支持向量机、k均值聚类算法、神经网络、模型评估与优化等重要主题。
本书以项目式教学为主线，语言表达通俗易懂，辅以丰富的图表和大量实战案例，对各类机器学习算法进行直观、生动的剖析，帮助读者通过实践快速掌握机器学习关键技术。本书注重深入浅出地讲解算法原理，所选案例典型、实用，并提供微课视频、电子课件、案例代码、习题库及参考答案等丰富的课程资源。
本书既可作为高等院校人工智能、数据科学与大数据技术及相关专业的教材，也可作为人工智能领域的技术人员和研究工作者的参考书。 -
作者介绍
-
目录
项目1 机器学习基础与开发环境搭建
项目背景
学习目标
1.1 项目知识准备
1.1.1 什么是机器学习
1.1.2 机器学习的应用场景
1.1.3 机器学习的流程
1.1.4 机器学习的分类
1.1.5 过拟合和欠拟合
1.1.6 衡量机器学习模型的指标
1.2 项目实训
1.2.1 任务1：搭建机器学习开发环境——Anaconda
1.2.2 任务2：Jupyter Notebook的使用操作
1.2.3 任务3：NumPy库的基本用法
1.2.4 任务4：pandas库的基本用法
1.2.5 任务5：Matplotlib库的基本用法
1.3 项目拓展——查看机器学习常用数据集
1.4 项目小结
1.5 习题
项目2 数据预处理实战
项目背景
学习目标
2.1 项目知识准备
2.1.1 数据处理
2.1.2 数据降维
2.1.3 数据集拆分
2.2 项目实训
2.2.1 任务1：数据标准化处理
2.2.2 任务2：数据离差标准化处理
2.2.3 任务3：数据二值化处理
2.2.4 任务4：数据归一化处理
2.2.5 任务5：独热编码处理
2.2.6 任务6：数据降维处理
2.3 项目拓展——wine数据集拆分、标准化和降维处理
2.4 项目小结
2.5 习题
项目3 KNN算法实战
项目背景
学习目标
3.1 项目知识准备
3.1.1 KNN算法的原理
3.1.2 KNN算法的流程
3.1.3 KNN算法的关键
3.1.4 KNN算法详解
3.2 项目实训
3.2.1 任务1：基于KNN算法的分类任务
3.2.2 任务2：KNN算法应用——酒的分类
3.2.3 任务3：KNN算法应用——辅助诊断乳腺肿瘤
3.3 项目拓展——KNN回归预测
3.4 项目小结
3.5 习题
项目4 线性回归预测模型构建
项目背景
学习目标
4.1 项目知识准备
4.1.1 什么是线性回归
4.1.2 损失函数
4.1.3 岭回归模型
4.1.4 套索回归模型
4.2 项目实训
4.2.1 任务1：线性回归模型的应用——数据拟合
4.2.2 任务2：线性回归模型的应用——加利福尼亚房价预测
4.2.3 任务3：岭回归模型的应用——加利福尼亚房价预测
4.2.4 任务4：套索回归模型的应用——加利福尼亚房价预测
4.2.5 线性回归算法详解
4.3 项目拓展——糖尿病患者病情预测
4.4 项目小结
4.5 习题
项目5 逻辑回归算法实战
项目背景
学习目标
5.1 项目知识准备
5.1.1 逻辑回归算法的基本原理
5.1.2 逻辑回归模型的参数选择
5.2 项目实训
5.2.1 任务1：逻辑回归算法的应用及效果展示
5.2.2 任务2：基于逻辑回归算法诊断肿瘤
5.2.3 逻辑回归算法详解
5.3 项目拓展——泰坦尼克号乘客生还情况预测
5.3.1 任务分析
5.3.2 任务实现
5.4 项目小结
5.5 习题
项目6 朴素贝叶斯分类算法实战
项目背景
学习目标
6.1 项目知识准备
6.1.1 朴素贝叶斯算法及其原理
6.1.2 伯努利朴素贝叶斯算法
6.1.3 高斯朴素贝叶斯算法
6.1.4 多项式朴素贝叶斯算法
6.2 项目实训
6.2.1 任务1：用伯努利朴素贝叶斯模型实现天气预测
6.2.2 任务2：用高斯朴素贝叶斯模型实现连续值的分类
6.2.3 任务3：用多项式朴素贝叶斯模型实现离散值的分类
6.3 项目拓展——预测客户是否续订定期存款产品
6.3.1 任务分析
6.3.2 任务实现
6.4 项目小结
6.5 习题
项目7 决策树与随机森林预测建模
项目背景
学习目标
7.1 项目知识准备
7.1.1 决策树的算法原理和构造
7.1.2 随机森林的算法原理和构造
7.2 项目实训
7.2.1 任务1：用决策树和随机森林模型判断潜在可开发新能源区域
7.2.2 任务2：用线性回归模型和随机森林回归模型预测加利福尼亚房价
7.2.3 决策树算法详解
7.3 项目拓展——决策树模型在葡萄酒质量预测中的应用
7.3.1 任务分析
7.3.2 任务实现
7.4 项目小结
7.5 习题
项目8 支持向量机算法实战
项目背景
学习目标
8.1 项目知识准备
8.1.1 SVM的概念
8.1.2 SVM的核函数与参数选择
8.2 项目实训
8.2.1 任务1：用SVM实现回归预测
8.2.2 任务2：用SVM实现体重分类预测
8.2.3 SVM实现方法详解
8.3 项目拓展——SVM实现收入分类预测
8.3.1 任务分析
8.3.2 任务实现
8.4 项目小结
8.5 习题
项目9 k均值聚类算法实战
项目背景
学习目标
9.1 项目知识准备
9.1.1 聚类算法简介
9.1.2 k均值聚类算法的原理
9.1.3 k均值聚类算法的参数选择
9.2 项目实训
9.2.1 任务1：k均值聚类算法的应用及效果展示
9.2.2 任务2：用k均值聚类算法实现鸢尾花数据聚类
9.2.3 k均值聚类算法详解
9.3 项目拓展——航空公司客户价值分析
9.3.1 任务分析
9.3.2 任务实现
9.4 项目小结
9.5 习题
项目10 神经网络基础与应用实战
项目背景
学习目标
10.1 项目知识准备
10.1.1 神经网络的起源
10.1.2 神经网络的原理
10.1.3 神经网络的决策过程
10.2 项目实训
10.2.1 任务1：用神经网络完成鸢尾花分类任务
10.2.2 任务2：用神经网络实现手写数字识别
10.2.3 MLPClassifier类详解
10.3 项目拓展——多层感知机进行信用卡欺诈检测
10.3.1 任务分析
10.3.2 任务实现
10.4 项目小结
10.5 习题
项目11 模型评估与优化
项目背景
学习目标
11.1 项目知识准备
11.1.1 交叉验证
11.1.2 超参数调优
11.1.3 分类模型的可信度评估
11.1.4 ROC曲线与AUC值
11.2 项目实训
11.2.1 任务1：使用交叉验证法评估模型
11.2.2 任务2：使用网格搜索算法进行模型参数调优
11.2.3 任务3：分类模型的可信度评估练习
11.3 项目拓展——基于逻辑回归的油耗预测与参数调优
11.3.1 任务分析
11.3.2 任务实现
11.4 项目小结
11.5 习题
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...