中圖網(wǎng)小程序
一鍵登錄
更方便
中圖價(jià):¥22.4
加入購物車
Python與機(jī)器學(xué)習(xí) 版權(quán)信息
- ISBN：9787121381768
- 條形碼：9787121381768 ; 978-7-121-38176-8
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
Python與機(jī)器學(xué)習(xí) 本書特色
使用機(jī)器學(xué)習(xí)技術(shù)的產(chǎn)品或服務(wù)在我們的生活當(dāng)中不斷普及，被應(yīng)用于大數(shù)據(jù)分析、智能駕駛、計(jì)算機(jī)視覺等領(lǐng)域，并迅速改變生活。本書以掌握一定的Python語言基礎(chǔ)為前提，從具體的十一個(gè)精簡案例切入，由淺入深、循序漸近展開學(xué)習(xí)機(jī)器學(xué)習(xí)在不同業(yè)務(wù)領(lǐng)域中的應(yīng)用，內(nèi)容上注重實(shí)用性和可操作性。具體涵蓋了機(jī)器學(xué)習(xí)流程、有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、數(shù)據(jù)分析與人工智能應(yīng)用等需要掌握的基本知識(shí)和相應(yīng)技能。
Python與機(jī)器學(xué)習(xí) 內(nèi)容簡介
本書以掌握一定的Python語言基礎(chǔ)為前提, 從具體的十一個(gè)精簡案例切入, 由淺入深、循序漸近展開學(xué)習(xí)機(jī)器學(xué)習(xí)在不同業(yè)務(wù)領(lǐng)域中的應(yīng)用, 內(nèi)容上注重實(shí)用性和可操作性。具體涵蓋了機(jī)器學(xué)習(xí)流程、有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、數(shù)據(jù)分析與人工智能應(yīng)用等需要掌握的基本知識(shí)和相應(yīng)技能。
Python與機(jī)器學(xué)習(xí) 目錄
項(xiàng)目1 電影數(shù)據(jù)統(tǒng)計(jì) 1
1.1 數(shù)據(jù)獲取 1
1.2 數(shù)據(jù)解析 4
1.3 數(shù)據(jù)分析 8
1.4 數(shù)據(jù)可視化 10
1.5 課堂實(shí)訓(xùn)：工資數(shù)據(jù)統(tǒng)計(jì) 16
1.6 練習(xí)題 19
項(xiàng)目2 電影數(shù)據(jù)分析（回歸） 21
2.1 背景知識(shí) 21
2.2 使用一元線性回歸分析電影票房數(shù)據(jù) 22
2.2.1 一元線性回歸 22
2.2.2 范圍縮放 25
2.2.3 數(shù)據(jù)集的切分 26
2.3 使用多項(xiàng)式回歸分析電影票房數(shù)據(jù) 29
2.4 使用多元線性回歸分析電影票房數(shù)據(jù) 31
2.5 理解回歸分析方法 34
2.6 課堂實(shí)訓(xùn)：工齡與工資相關(guān)性分析 36
2.7 練習(xí)題 39
項(xiàng)目3 數(shù)據(jù)的爬取 41
3.1 背景知識(shí) 41
3.2 電影數(shù)據(jù)的爬取 42
3.2.1 網(wǎng)絡(luò)數(shù)據(jù)一次爬取 42
3.2.2 網(wǎng)絡(luò)數(shù)據(jù)定時(shí)爬取 48
3.2.3 正則表達(dá)式 49
3.3 房屋租賃數(shù)據(jù)的爬取 51
3.4 房屋租賃數(shù)據(jù)的統(tǒng)計(jì) 54
3.5 課堂實(shí)訓(xùn)：二手房數(shù)據(jù)的爬取與統(tǒng)計(jì) 58
3.6 練習(xí)題 59
項(xiàng)目4 房屋租賃數(shù)據(jù)的分析與可視化 62
4.1 背景知識(shí) 62
4.2 使用箱形圖可視化租賃價(jià)格分布特征 63
4.3 使用散點(diǎn)圖可視化房屋面積與租賃價(jià)格的關(guān)系 65
4.4 使用餅圖可視化不同行政區(qū)的可租賃房源占比 69
4.5 使用折線圖可視化房間數(shù)與租賃價(jià)格的關(guān)系 71
4.6 使用熱力圖可視化地理位置與租賃價(jià)格的關(guān)系 72
4.7 課堂實(shí)訓(xùn)：二手房數(shù)據(jù)的分析與可視化 75
4.8 練習(xí)題 78
項(xiàng)目5 身高與體重?cái)?shù)據(jù)分析（分類器） 80
5.1 背景知識(shí) 80
5.1.1 機(jī)器學(xué)習(xí) 80
5.1.2 監(jiān)督學(xué)習(xí) 80
5.1.3 分類器 82
5.2 使用分類方法進(jìn)行性別分類 82
5.2.1 邏輯回歸 82
5.2.2 樸素貝葉斯 88
5.2.3 決策樹 91
5.2.4 支持向量機(jī) 95
5.3 使用支持向量機(jī)進(jìn)行肥胖程度分類 97
5.4 課堂實(shí)訓(xùn)：肥胖分析1 101
5.5 練習(xí)題 102
項(xiàng)目6 鳶尾花分類 104
6.1 背景知識(shí) 104
6.2 使用K近鄰對(duì)鳶尾花進(jìn)行分類 105
6.3 使用隨機(jī)森林對(duì)鳶尾花進(jìn)行分類 108
6.4 使用神經(jīng)網(wǎng)絡(luò)對(duì)鳶尾花進(jìn)行分類 111
6.5 課堂實(shí)訓(xùn)：肥胖分析2 114
6.6 練習(xí)題 115
項(xiàng)目7 電影評(píng)分?jǐn)?shù)據(jù)分析（聚類） 117
7.1 背景知識(shí) 117
7.1.1 無監(jiān)督學(xué)習(xí) 117
7.1.2 聚類 118
7.1.3 K-Means 119
7.2 使用DBSCAN確定質(zhì)心個(gè)數(shù) 119
7.3 使用K-Means對(duì)觀影用戶進(jìn)行聚類 123
7.4 課堂實(shí)訓(xùn)：根據(jù)身高、體重和性別對(duì)用戶進(jìn)行分類 127
7.5 練習(xí)題 130
項(xiàng)目8 人臉檢測(cè)與人臉識(shí)別 132
8.1 背景知識(shí) 132
8.1.1 人工智能 132
8.1.2 計(jì)算機(jī)視覺 133
8.1.3 OpenCV計(jì)算機(jī)視覺包 134
8.2 圖像中的人臉檢測(cè) 135
8.3 視頻中的人臉檢測(cè) 137
8.4 圖像中的人臉識(shí)別 140
8.5 視頻中的人臉識(shí)別 143
8.6 課堂實(shí)訓(xùn)：眼睛與笑臉檢測(cè) 145
8.7 練習(xí)題 146
項(xiàng)目9 手寫數(shù)字識(shí)別應(yīng)用 148
9.1 背景知識(shí) 148
9.2 圖像數(shù)據(jù)集準(zhǔn)備 149
9.2.1 MNIST數(shù)據(jù)集格式 149
9.2.2 獲取MNIST數(shù)據(jù)集中的圖像 150
9.3 使用支持向量機(jī)識(shí)別手寫數(shù)字 150
9.4 使用神經(jīng)網(wǎng)絡(luò)識(shí)別手寫數(shù)字 154
9.5 課堂實(shí)訓(xùn)：使用不同的方法識(shí)別手寫數(shù)字 155
9.6 練習(xí)題 156
項(xiàng)目10 深度學(xué)習(xí)在行為識(shí)別中的應(yīng)用 157
10.1 背景知識(shí) 157
10.1.1 卷積神經(jīng)網(wǎng)絡(luò)（CNN） 157
10.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN） 159
10.1.3 深度學(xué)習(xí)的應(yīng)用 160
10.2 使用卷積神經(jīng)網(wǎng)絡(luò)識(shí)別行為 161
10.2.1 環(huán)境準(zhǔn)備 161
10.2.2 數(shù)據(jù)的獲取與解析 161
10.2.3 數(shù)據(jù)集分析 162
10.2.4 卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 162
10.3 使用循環(huán)神經(jīng)網(wǎng)絡(luò)識(shí)別行為 164
10.4 課堂實(shí)訓(xùn)：電影評(píng)論數(shù)據(jù)分析 166
10.5 練習(xí)題 168
項(xiàng)目11 TensorFlow與神經(jīng)網(wǎng)絡(luò) 169
11.1 背景知識(shí) 169
11.2 設(shè)計(jì)單層神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)花瓣寬度 171
11.3 設(shè)計(jì)多層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)鳶尾花分類 174
11.4 課堂實(shí)訓(xùn)：卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)與應(yīng)用 177
11.5 練習(xí)題 178
項(xiàng)目12 項(xiàng)目綜合實(shí)訓(xùn) 180
12.1 確定數(shù)據(jù)采集目標(biāo) 181
12.2 數(shù)據(jù)采集與預(yù)處理 182
12.3 數(shù)據(jù)統(tǒng)計(jì)與分析 183
12.3.1 票房分析 183
12.3.2 上座率分析 185
12.3.3 票價(jià)分布情況分析 186
12.3.4 評(píng)分?jǐn)?shù)據(jù)分析 186
12.4 數(shù)據(jù)分析與預(yù)測(cè) 187
12.4.1 總場(chǎng)次與票房之間的關(guān)系分析 187
12.4.2 評(píng)分相關(guān)因素分析與預(yù)測(cè) 187
12.5 數(shù)據(jù)分類應(yīng)用 188
12.6 課外拓展實(shí)訓(xùn)：二手車數(shù)據(jù)的獲取與市場(chǎng)分析 189
附錄A 環(huán)境準(zhǔn)備 191
附錄B 本書使用的工具包 194
參考文獻(xiàn) 195
1.1 數(shù)據(jù)獲取 1
1.2 數(shù)據(jù)解析 4
1.3 數(shù)據(jù)分析 8
1.4 數(shù)據(jù)可視化 10
1.5 課堂實(shí)訓(xùn)：工資數(shù)據(jù)統(tǒng)計(jì) 16
1.6 練習(xí)題 19
項(xiàng)目2 電影數(shù)據(jù)分析（回歸） 21
2.1 背景知識(shí) 21
2.2 使用一元線性回歸分析電影票房數(shù)據(jù) 22
2.2.1 一元線性回歸 22
2.2.2 范圍縮放 25
2.2.3 數(shù)據(jù)集的切分 26
2.3 使用多項(xiàng)式回歸分析電影票房數(shù)據(jù) 29
2.4 使用多元線性回歸分析電影票房數(shù)據(jù) 31
2.5 理解回歸分析方法 34
2.6 課堂實(shí)訓(xùn)：工齡與工資相關(guān)性分析 36
2.7 練習(xí)題 39
項(xiàng)目3 數(shù)據(jù)的爬取 41
3.1 背景知識(shí) 41
3.2 電影數(shù)據(jù)的爬取 42
3.2.1 網(wǎng)絡(luò)數(shù)據(jù)一次爬取 42
3.2.2 網(wǎng)絡(luò)數(shù)據(jù)定時(shí)爬取 48
3.2.3 正則表達(dá)式 49
3.3 房屋租賃數(shù)據(jù)的爬取 51
3.4 房屋租賃數(shù)據(jù)的統(tǒng)計(jì) 54
3.5 課堂實(shí)訓(xùn)：二手房數(shù)據(jù)的爬取與統(tǒng)計(jì) 58
3.6 練習(xí)題 59
項(xiàng)目4 房屋租賃數(shù)據(jù)的分析與可視化 62
4.1 背景知識(shí) 62
4.2 使用箱形圖可視化租賃價(jià)格分布特征 63
4.3 使用散點(diǎn)圖可視化房屋面積與租賃價(jià)格的關(guān)系 65
4.4 使用餅圖可視化不同行政區(qū)的可租賃房源占比 69
4.5 使用折線圖可視化房間數(shù)與租賃價(jià)格的關(guān)系 71
4.6 使用熱力圖可視化地理位置與租賃價(jià)格的關(guān)系 72
4.7 課堂實(shí)訓(xùn)：二手房數(shù)據(jù)的分析與可視化 75
4.8 練習(xí)題 78
項(xiàng)目5 身高與體重?cái)?shù)據(jù)分析（分類器） 80
5.1 背景知識(shí) 80
5.1.1 機(jī)器學(xué)習(xí) 80
5.1.2 監(jiān)督學(xué)習(xí) 80
5.1.3 分類器 82
5.2 使用分類方法進(jìn)行性別分類 82
5.2.1 邏輯回歸 82
5.2.2 樸素貝葉斯 88
5.2.3 決策樹 91
5.2.4 支持向量機(jī) 95
5.3 使用支持向量機(jī)進(jìn)行肥胖程度分類 97
5.4 課堂實(shí)訓(xùn)：肥胖分析1 101
5.5 練習(xí)題 102
項(xiàng)目6 鳶尾花分類 104
6.1 背景知識(shí) 104
6.2 使用K近鄰對(duì)鳶尾花進(jìn)行分類 105
6.3 使用隨機(jī)森林對(duì)鳶尾花進(jìn)行分類 108
6.4 使用神經(jīng)網(wǎng)絡(luò)對(duì)鳶尾花進(jìn)行分類 111
6.5 課堂實(shí)訓(xùn)：肥胖分析2 114
6.6 練習(xí)題 115
項(xiàng)目7 電影評(píng)分?jǐn)?shù)據(jù)分析（聚類） 117
7.1 背景知識(shí) 117
7.1.1 無監(jiān)督學(xué)習(xí) 117
7.1.2 聚類 118
7.1.3 K-Means 119
7.2 使用DBSCAN確定質(zhì)心個(gè)數(shù) 119
7.3 使用K-Means對(duì)觀影用戶進(jìn)行聚類 123
7.4 課堂實(shí)訓(xùn)：根據(jù)身高、體重和性別對(duì)用戶進(jìn)行分類 127
7.5 練習(xí)題 130
項(xiàng)目8 人臉檢測(cè)與人臉識(shí)別 132
8.1 背景知識(shí) 132
8.1.1 人工智能 132
8.1.2 計(jì)算機(jī)視覺 133
8.1.3 OpenCV計(jì)算機(jī)視覺包 134
8.2 圖像中的人臉檢測(cè) 135
8.3 視頻中的人臉檢測(cè) 137
8.4 圖像中的人臉識(shí)別 140
8.5 視頻中的人臉識(shí)別 143
8.6 課堂實(shí)訓(xùn)：眼睛與笑臉檢測(cè) 145
8.7 練習(xí)題 146
項(xiàng)目9 手寫數(shù)字識(shí)別應(yīng)用 148
9.1 背景知識(shí) 148
9.2 圖像數(shù)據(jù)集準(zhǔn)備 149
9.2.1 MNIST數(shù)據(jù)集格式 149
9.2.2 獲取MNIST數(shù)據(jù)集中的圖像 150
9.3 使用支持向量機(jī)識(shí)別手寫數(shù)字 150
9.4 使用神經(jīng)網(wǎng)絡(luò)識(shí)別手寫數(shù)字 154
9.5 課堂實(shí)訓(xùn)：使用不同的方法識(shí)別手寫數(shù)字 155
9.6 練習(xí)題 156
項(xiàng)目10 深度學(xué)習(xí)在行為識(shí)別中的應(yīng)用 157
10.1 背景知識(shí) 157
10.1.1 卷積神經(jīng)網(wǎng)絡(luò)（CNN） 157
10.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN） 159
10.1.3 深度學(xué)習(xí)的應(yīng)用 160
10.2 使用卷積神經(jīng)網(wǎng)絡(luò)識(shí)別行為 161
10.2.1 環(huán)境準(zhǔn)備 161
10.2.2 數(shù)據(jù)的獲取與解析 161
10.2.3 數(shù)據(jù)集分析 162
10.2.4 卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 162
10.3 使用循環(huán)神經(jīng)網(wǎng)絡(luò)識(shí)別行為 164
10.4 課堂實(shí)訓(xùn)：電影評(píng)論數(shù)據(jù)分析 166
10.5 練習(xí)題 168
項(xiàng)目11 TensorFlow與神經(jīng)網(wǎng)絡(luò) 169
11.1 背景知識(shí) 169
11.2 設(shè)計(jì)單層神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)花瓣寬度 171
11.3 設(shè)計(jì)多層神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)鳶尾花分類 174
11.4 課堂實(shí)訓(xùn)：卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)與應(yīng)用 177
11.5 練習(xí)題 178
項(xiàng)目12 項(xiàng)目綜合實(shí)訓(xùn) 180
12.1 確定數(shù)據(jù)采集目標(biāo) 181
12.2 數(shù)據(jù)采集與預(yù)處理 182
12.3 數(shù)據(jù)統(tǒng)計(jì)與分析 183
12.3.1 票房分析 183
12.3.2 上座率分析 185
12.3.3 票價(jià)分布情況分析 186
12.3.4 評(píng)分?jǐn)?shù)據(jù)分析 186
12.4 數(shù)據(jù)分析與預(yù)測(cè) 187
12.4.1 總場(chǎng)次與票房之間的關(guān)系分析 187
12.4.2 評(píng)分相關(guān)因素分析與預(yù)測(cè) 187
12.5 數(shù)據(jù)分類應(yīng)用 188
12.6 課外拓展實(shí)訓(xùn)：二手車數(shù)據(jù)的獲取與市場(chǎng)分析 189
附錄A 環(huán)境準(zhǔn)備 191
附錄B 本書使用的工具包 194
參考文獻(xiàn) 195
展開全部
Python與機(jī)器學(xué)習(xí) 作者簡介
陳清華，女，1983年生，碩士上海交通大學(xué)計(jì)算機(jī)軟件與理論碩士畢業(yè)，浙江工業(yè)大學(xué)物聯(lián)網(wǎng)方向博士在讀，溫州職業(yè)技術(shù)學(xué)院計(jì)算機(jī)系大數(shù)據(jù)專業(yè)專任教師。
書友推薦
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
月亮與六便士
- >
羅庸西南聯(lián)大授課錄
- >
有舍有得是人生
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
經(jīng)典常談
- >
巴金－再思錄
- >
名家?guī)阕x魯迅:朝花夕拾
本類暢銷
