包郵 Python 3數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn)

作者：本書(shū)編委會(huì)

出版社：北京大學(xué)出版社出版時(shí)間：2018-08-01

開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 302

本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜

中圖價(jià):¥52.8(7.7折) 定價(jià) ~~¥69.0~~ 登錄后可看到會(huì)員價(jià)

加入購(gòu)物車(chē) 收藏

開(kāi)年大促， 全場(chǎng)包郵

?新疆、西藏除外

本類(lèi)五星書(shū)更多>

>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用

全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用

¥14.4¥45
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))

決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))

¥44.1¥88
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路

軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續(xù)交付

JAVA持續(xù)交付

¥58.1¥119
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)

EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學(xué)習(xí)

深度學(xué)習(xí)

¥92.4¥168

商品詳情
商品評(píng)論(0條)

中圖價(jià):¥52.8 加入購(gòu)物車(chē)

版權(quán)信息
本書(shū)特色
內(nèi)容簡(jiǎn)介
目錄
作者簡(jiǎn)介

Python 3數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 版權(quán)信息

ISBN：9787301295663
條形碼：9787301295663 ; 978-7-301-29566-3
裝幀：一般膠版紙
冊(cè)數(shù)：暫無(wú)
重量：暫無(wú)
所屬分類(lèi)：
計(jì)算機(jī)/網(wǎng)絡(luò)
>
程序設(shè)計(jì)

Python 3數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 本書(shū)特色

機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門(mén)多領(lǐng)域交叉學(xué)科，是人工智能的核心，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，專(zhuān)門(mén)研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。在機(jī)器學(xué)習(xí)過(guò)程中，需要使用大量數(shù)據(jù)，而數(shù)據(jù)分析是指用適當(dāng)?shù)姆椒▽?duì)收集的大量數(shù)據(jù)進(jìn)行分析，提取有用信息并形成結(jié)論，進(jìn)而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過(guò)程。本書(shū)結(jié)合機(jī)器學(xué)習(xí)數(shù)據(jù)分析的過(guò)程，以實(shí)際案例問(wèn)題為驅(qū)動(dòng)，深入淺出地介紹常用的機(jī)器學(xué)習(xí)算法及數(shù)據(jù)分析方法：數(shù)據(jù)預(yù)處理、分類(lèi)問(wèn)題、預(yù)測(cè)分析、關(guān)聯(lián)分析、網(wǎng)絡(luò)爬蟲(chóng)、集成學(xué)習(xí)、深度學(xué)習(xí)、數(shù)據(jù)降維和壓縮等。
　　《Python 3數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》共17章，分為三大塊：第0~3章介紹本書(shū)的技術(shù)體系、Python基礎(chǔ)知識(shí)、Python的安裝與配置和Python 3基礎(chǔ)語(yǔ)法；第4~7章介紹Python 3的編程、機(jī)器學(xué)習(xí)基礎(chǔ)、Python機(jī)器學(xué)習(xí)及分析工具和數(shù)據(jù)預(yù)處理；第8~16章分別介紹常用的機(jī)器學(xué)習(xí)分析算法，每章都使用多個(gè)經(jīng)典案例圖文并茂地介紹機(jī)器學(xué)習(xí)的原理和實(shí)現(xiàn)方法。
　　本書(shū)通俗易懂，是學(xué)習(xí)Python及機(jī)器學(xué)習(xí)和數(shù)據(jù)分析的入門(mén)課程，特別是對(duì)于Python還不熟悉的編程者，同時(shí)對(duì)于想學(xué)習(xí)機(jī)器學(xué)習(xí)相關(guān)算法的初學(xué)者非常適合。

Python 3數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 內(nèi)容簡(jiǎn)介

（1）全新：本書(shū)理論、技術(shù)與案例基于全新的Python 3.X。
（2）實(shí)戰(zhàn)：跳脫純理論講述，案例貫穿全書(shū)，包括等人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、網(wǎng)絡(luò)爬蟲(chóng)等項(xiàng)目實(shí)戰(zhàn)。
（3）豐富：大量的教學(xué)資源：29個(gè)大型真實(shí)項(xiàng)目案例，94節(jié)同步微視頻講解，30小時(shí)Python 3語(yǔ)法教學(xué)視頻。

Python 3數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 目錄

第0章本書(shū)的技術(shù)體系
0.1 Python的發(fā)展趨勢(shì)
0.2 人工智能時(shí)代學(xué)習(xí)Python的重要性
0.3 本書(shū)的技術(shù)體系
0.4 學(xué)習(xí)本書(shū)需要注意的事項(xiàng)
第1章 Python基礎(chǔ)知識(shí)
1.1 Python簡(jiǎn)介
1.1.1 了解Python的起源與發(fā)展歷史
1.1.2 Python的特色
1.1.3 學(xué)習(xí)Python的原因
1.2 Python的當(dāng)前版本
1.3 Python的優(yōu)缺點(diǎn)
1.4 Python與其他語(yǔ)言的區(qū)別
1.5 Python的應(yīng)用領(lǐng)域
第2章 Python的安裝、配置與卸載
2.1 Python的安裝
2.1.1 Python的下載
2.1.2 Python的安裝
2.2 Python的配置
2.2.1 Python環(huán)境變量的設(shè)置
2.2.2 Python的啟動(dòng)
2.3 Python的卸載
第3章 Python 3 基礎(chǔ)語(yǔ)法
3.1 **個(gè)Python程序
3.2 Python的輸入和輸出
3.2.1 Python的輸出語(yǔ)句
3.2.2 Python的輸入語(yǔ)句
3.3 Python的基本數(shù)據(jù)類(lèi)型
3.3.1 數(shù)字
3.3.2 字符串
3.3.3 列表
3.3.4 元組
3.3.5 集合
3.3.6 字典
3.4 Python庫(kù)的導(dǎo)入
3.5 Python的集成開(kāi)發(fā)環(huán)境
3.6 自測(cè)練習(xí)
第4章 Python 3的編程
4.1 條件語(yǔ)句
4.2 循環(huán)語(yǔ)句
4.2.1 while循環(huán)
4.2.2 for循環(huán)
4.3 函數(shù)
4.4 模塊
4.5 自測(cè)練習(xí)
第5章機(jī)器學(xué)習(xí)基礎(chǔ)
5.1 機(jī)器學(xué)習(xí)概述
5.2 監(jiān)督學(xué)習(xí)簡(jiǎn)介
5.3 非監(jiān)督學(xué)習(xí)簡(jiǎn)介
5.4 增強(qiáng)學(xué)習(xí)簡(jiǎn)介
5.5 深度學(xué)習(xí)簡(jiǎn)介
5.6 機(jī)器學(xué)習(xí)常用術(shù)語(yǔ)
第6章 Python 機(jī)器學(xué)習(xí)及分析工具
6.1 矩陣操作函數(shù)庫(kù)（NumPy）
6.1.1 NumPy的安裝
6.1.2 NumPy的基本使用
6.2 科學(xué)計(jì)算的核心包（SciPy）
6.2.1 科學(xué)計(jì)算的核心包的安裝
6.2.2 科學(xué)計(jì)算的核心包的基本使用
6.3 Python 的繪圖庫(kù)（Matplotlib）
6.3.1 Matplotlib簡(jiǎn)介及安裝
6.3.2 Matplotlib的基本使用
6.4 數(shù)據(jù)分析包（Pandas）
6.4.1 Pandas簡(jiǎn)介和安裝
6.4.2 Pandas的基本使用方法
6.5 機(jī)器學(xué)習(xí)函數(shù)庫(kù)（Scikit-learn）
6.6 統(tǒng)計(jì)建模工具包（StatsModels）
6.7 深度學(xué)習(xí)框架（TensorFlow）
第7章數(shù)據(jù)預(yù)處理
7.1 數(shù)據(jù)預(yù)處理概述
7.2 數(shù)據(jù)清理
7.2.1 異常數(shù)據(jù)處理
7.2.2 缺失值處理
7.2.3 噪聲數(shù)據(jù)處理
7.3 數(shù)據(jù)集成
7.4 數(shù)據(jù)變換
7.5 數(shù)據(jù)歸約
7.6 Python的主要數(shù)據(jù)預(yù)處理函數(shù)
7.6.1 Python的數(shù)據(jù)結(jié)構(gòu)
7.6.2 數(shù)據(jù)缺失處理函數(shù)
第8章分類(lèi)問(wèn)題
8.1 分類(lèi)概述
8.2 常用方法
8.2.1 k-近鄰算法
8.2.2 樸素貝葉斯
8.2.3 支持向量機(jī)
8.2.4 AdaBoost算法
8.2.5 決策樹(shù)
8.2.6 Multi-layer Perceptron 多層感知機(jī)
8.3 項(xiàng)目實(shí)戰(zhàn)
8.3.1 實(shí)例1：使用k-近鄰算法實(shí)現(xiàn)約會(huì)網(wǎng)站的配對(duì)效果
8.3.2 實(shí)例2：使用樸素貝葉斯過(guò)濾垃圾郵件
8.3.3 實(shí)例3：SVM實(shí)現(xiàn)手寫(xiě)識(shí)別系統(tǒng)
8.3.4 實(shí)例4：基于單層決策樹(shù)構(gòu)建分類(lèi)算法
8.3.5 實(shí)例5：使用決策樹(shù)對(duì)iris數(shù)據(jù)集分類(lèi)
8.3.6 實(shí)例6：使用決策樹(shù)對(duì)身高體重?cái)?shù)據(jù)進(jìn)行分類(lèi)
8.3.7 實(shí)例7：使用k-近鄰算法對(duì)鳶尾花數(shù)據(jù)進(jìn)行交叉驗(yàn)證
8.3.8 使用多層感知器分析，根據(jù)葡萄酒的各項(xiàng)化學(xué)特征來(lái)
判斷葡萄酒的優(yōu)劣
8.4 自測(cè)練習(xí)
第9章預(yù)測(cè)分析
9.1 預(yù)測(cè)概述
9.2 常用方法
9.2.1 時(shí)間序列分析預(yù)測(cè)法
9.2.2 BP神經(jīng)網(wǎng)絡(luò)模型
9.3 項(xiàng)目實(shí)戰(zhàn)
9.3.1 實(shí)例1：根據(jù)一年的歷史數(shù)據(jù)預(yù)測(cè)后十年的數(shù)據(jù)趨勢(shì)
9.3.2 實(shí)例2：使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)公路運(yùn)量
9.4 自測(cè)練習(xí)
第10章關(guān)聯(lián)分析
10.1 關(guān)聯(lián)分析概述
10.2 基本方法
10.2.1 Apriori算法
10.2.2 FP-Growth算法
10.3 項(xiàng)目實(shí)戰(zhàn)（解決目前流行的實(shí)際問(wèn)題）
10.3.1 用Apriori進(jìn)行關(guān)聯(lián)分析的實(shí)例
10.3.2 使用FP-Growth算法提取頻繁項(xiàng)集
10.4 自測(cè)練習(xí)
第11章網(wǎng)絡(luò)爬蟲(chóng)
11.1 網(wǎng)絡(luò)爬蟲(chóng)概述
11.1.1 網(wǎng)絡(luò)爬蟲(chóng)原理
11.1.2 爬蟲(chóng)分類(lèi)
11.2 網(wǎng)頁(yè)抓取策略和方法
11.2.1 網(wǎng)頁(yè)抓取策略
11.2.2 網(wǎng)頁(yè)抓取的方法
11.3 項(xiàng)目實(shí)戰(zhàn)
11.3.1 用Python抓取指定的網(wǎng)頁(yè)
11.3.2 用Python抓取包含關(guān)鍵詞的網(wǎng)頁(yè)
11.3.3 下載貼吧中的圖片
11.3.4 股票數(shù)據(jù)抓取
11.4 自測(cè)練習(xí)
第12章集成學(xué)習(xí)
12.1 集成學(xué)習(xí)概述
12.2 常用方法
12.2.1 Bagging和隨機(jī)森林
12.2.2 Boosting和AdaBoost
12.3 項(xiàng)目實(shí)戰(zhàn)
12.3.1 使用隨機(jī)森林方法預(yù)測(cè)乘員的存活概率
12.3.2 使用AdaBoost方法進(jìn)行二元分類(lèi)
12.4 自測(cè)練習(xí)
第13章深度學(xué)習(xí)
13.1 深度學(xué)習(xí)概述
13.2 常用方法
13.2.1 監(jiān)督學(xué)習(xí)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)
13.2.2 非監(jiān)督學(xué)習(xí)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)
13.3 項(xiàng)目實(shí)戰(zhàn)
13.3.1 使用TensorFlow框架進(jìn)行MNIST數(shù)據(jù)集生成
13.3.2 使用Theano框架進(jìn)行MNIST數(shù)字識(shí)別
13.4 自測(cè)練習(xí)
第14章數(shù)據(jù)降維及壓縮
14.1 數(shù)據(jù)降維及壓縮概述
14.1.1 數(shù)據(jù)降維
14.1.2 圖像壓縮
14.2 基本方法
14.2.1 主成分分析
14.2.2 奇異值分解
14.3 項(xiàng)目實(shí)戰(zhàn)
14.3.1 主成分分析PCA實(shí)例
14.3.2 使用奇異值分解進(jìn)行圖像壓縮
14.4 自測(cè)練習(xí)
第15章聚類(lèi)分析
15.1 聚類(lèi)分析概述
15.2 K-means算法
15.2.1 K-means算法與步驟
15.2.2 K-means算法涉及的問(wèn)題
15.2.3 實(shí)際聚類(lèi)問(wèn)題的處理流程
15.3 項(xiàng)目實(shí)戰(zhàn)
15.3.1 K-means算法實(shí)現(xiàn)二維數(shù)據(jù)聚類(lèi)
15.3.2 使用Scikit-learn中的方法進(jìn)行聚類(lèi)分析
15.4 自測(cè)練習(xí)
第16章回歸分析問(wèn)題
16.1 回歸分析概述
16.2 基本方法
16.2.1 一元回歸分析
16.2.2 多元線(xiàn)性回歸
16.2.3 回歸的計(jì)算方法
16.2.4 邏輯回歸分析
16.3 項(xiàng)目實(shí)戰(zhàn)
16.3.1 身高與體重的回歸分析
16.3.2 房?jī)r(jià)預(yù)測(cè)
16.3.3 產(chǎn)品銷(xiāo)量與廣告的多元回歸分析
16.3.4 鳶尾花數(shù)據(jù)的邏輯回歸分析
16.4 自測(cè)練習(xí)

展開(kāi)全部

Python 3數(shù)據(jù)分析與機(jī)器學(xué)習(xí)實(shí)戰(zhàn) 作者簡(jiǎn)介

龍馬高新教育團(tuán)隊(duì)成員有多年的編程工作經(jīng)驗(yàn)，曾供職于某大型科技公司，擔(dān)任軟件工程師，從事大數(shù)據(jù)研發(fā)。Python技術(shù)的深度愛(ài)好者，對(duì)Java、Python有深入研究，做過(guò)大量的Python技術(shù)的課程培訓(xùn)。

商品評(píng)論(0條)

寫(xiě)書(shū)評(píng) 賺書(shū)幣

暫無(wú)評(píng)論……

書(shū)友推薦