Python机器学习

封面

版权信息

内容提要

感谢

前言

资源与支持

配套资源

提交勘误

与我们联系

关于异步社区和异步图书

第1章 走进机器学习

1.1 机器学习概述

1.2 机器学习过程

第2章 了解Python

2.1 为什么选择Python

2.2 下载和安装Python

2.3 首个Python程序

2.4 Python基础

2.5 数据结构与循环

第3章 特征工程

3.1 什么是特征

3.2 为什么执行特征工程

3.3 特征提取

3.4 特征选择

3.5 特征工程方法——通用准则

3.6 用Python进行特征工程

第4章 数据可视化

4.1 折线图

4.2 条形图

4.3 饼图

4.4 直方图

4.5 散点图

4.6 箱线图

4.7 采用面向对象的方式绘图

4.8 Seaborn

第5章 回归

5.1 简单回归

5.2 多元回归

5.3 模型评价

第6章 高级回归

6.1 概述

6.2 岭回归

6.3 套索回归

6.4 非参数回归

第7章 分类

7.1 线性分类器

7.2 逻辑回归

7.3 决策树

7.4 随机森林

7.5 朴素贝叶斯

第8章 无监督学习

8.1 聚类

8.2 K-均值聚类

8.3 分层聚类

第9章 文本分析

9.1 使用Python进行基本文本处理

9.2 正则表达式

9.3 自然语言处理

9.4 文本分类

9.5 主题建模

第10章 神经网络与深度学习

10.1 矢量化

10.2 神经网络

10.3 深度学习

10.4 深度学习架构

10.5 深度学习框架

第11章 推荐系统

11.1 基于流行度的推荐引擎

11.2 基于内容的推荐引擎

11.3 基于分类的推荐引擎

11.4 协同过滤

第12章 时间序列分析

12.1 处理日期和时间

12.2 窗口函数

12.3 相关性