中圖網(wǎng)小程序
一鍵登錄
更方便
中圖價(jià):¥36.3
加入購物車
Python 機(jī)器學(xué)習(xí)教程 版權(quán)信息
- ISBN：9787301322185
- 條形碼：9787301322185 ; 978-7-301-32218-5
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
Python 機(jī)器學(xué)習(xí)教程 本書特色
本書可作為高等院校物聯(lián)網(wǎng)工程、自動(dòng)化、計(jì)算機(jī)科學(xué)與技術(shù)等相關(guān)專業(yè)的教學(xué)用書，也可作為相關(guān)工程技術(shù)人員的參考用書。
Python 機(jī)器學(xué)習(xí)教程 內(nèi)容簡(jiǎn)介
本書采用通俗易懂的語言深入淺出地介紹了Python核心語法結(jié)構(gòu)及程序設(shè)計(jì)方法。全書貫穿使用單相接地故障分類的具體工程案例，詳細(xì)地介紹了Python機(jī)器學(xué)習(xí)所涉及的基本概念、算法及編程實(shí)現(xiàn)。本書采用案例教學(xué)，以案例驅(qū)動(dòng)學(xué)習(xí)，論述具體問題。本書適用范圍廣，既適合零基礎(chǔ)編程經(jīng)驗(yàn)的讀者學(xué)習(xí)，也適合具有不錯(cuò)編程經(jīng)驗(yàn)的讀者參考使用。通過對(duì)本書的學(xué)習(xí)可以快速、系統(tǒng)地掌握Python程序開發(fā)方法和機(jī)器學(xué)習(xí)編程技術(shù)。全書突出工程應(yīng)用，理論聯(lián)系實(shí)際，具有很強(qiáng)的實(shí)用性。 本書可作為高等院校物聯(lián)網(wǎng)工程、自動(dòng)化、計(jì)算機(jī)科學(xué)與技術(shù)等相關(guān)專業(yè)的教學(xué)用書，也可作為相關(guān)工程技術(shù)人員的參考用書。
Python 機(jī)器學(xué)習(xí)教程 目錄
第1章 Python概述及使用 1
1.1 Python的特點(diǎn) 2
1.2 下載與安裝Python 4
1.2.1 下載Python 4
1.2.2 安裝Python 5
1.2.3 查看Python版本 6
1.3 Python程序運(yùn)行 7
1.3.1 在控制臺(tái)窗口中運(yùn)行 7
1.3.2 文件方式運(yùn)行 8
1.3.3 在終端窗口中運(yùn)行 9
1.4 CSV文件 10
1.4.1 CSV文件的建立 10
1.4.2 CSV文件的打開 12
1.5 Python包與模塊 12
1.5.1 Python包與模塊簡(jiǎn)介 12
1.5.2 模塊的調(diào)用 13
1.5.3 Python包與模塊的建立 13
本章小結(jié) 14
習(xí)題 14
第2章 Python特色數(shù)據(jù)類型與
常用函數(shù) 16
2.1 Python基礎(chǔ)語法 17
2.1.1 標(biāo)識(shí)符與保留字 17
2.1.2 注釋 18
2.2 元組數(shù)據(jù)類型 19
2.3 列表、字典、集合數(shù)據(jù)類型 20
2.3.1 列表 20
2.3.2 字典 22
2.3.3 集合 23
2.4 數(shù)字、字符串?dāng)?shù)據(jù)類型 24
2.4.1 數(shù)字 24
2.4.2 字符串 25
2.5 Python的常用函數(shù) 27
2.5.1 range()函數(shù) 27
2.5.2 enumerate()函數(shù) 28
2.5.3 zip()函數(shù) 28
2.5.4 map()函數(shù) 29
2.5.5 sorted()函數(shù) 29
2.5.6 hash()函數(shù) 30
2.5.7 reversed()函數(shù) 30
本章小結(jié) 30
習(xí)題 31
第3章 Python語句控制及函數(shù)定義 33
3.1 Python分支結(jié)構(gòu) 34
3.1.1 單分支結(jié)構(gòu) 34
3.1.2 多分支結(jié)構(gòu) 35
3.1.3 多分支選擇結(jié)構(gòu) 36
3.2 Python循環(huán)結(jié)構(gòu) 38
3.2.1 for循環(huán)結(jié)構(gòu) 39
3.2.2 while循環(huán)結(jié)構(gòu) 40
3.2.3 break與continue 40
3.3 Python函數(shù) 43
3.3.1 自定義函數(shù) 43
3.3.2 函數(shù)的參數(shù) 44
3.3.3 遞歸函數(shù) 47
3.3.4 匿名函數(shù) 49
3.3.5 將函數(shù)存儲(chǔ)在模塊中 49
3.3.6 Python內(nèi)置函數(shù) 51
本章小結(jié) 54
習(xí)題 54
第4章 Python類、異常處理、文件 57
4.1 Python類 58
4.1.1 類 58
4.1.2 類私有屬性、公有屬性 61
4.1.3 類方法 65
4.1.4 類的繼承 66
4.1.5 多重繼承 67
4.1.6 Object類 68
4.1.7 封裝、繼承、多態(tài) 69
4.1.8 類的淺拷貝與深拷貝 71
4.2 Python異常 74
4.2.1 異常概念 74
4.2.2 異常處理函數(shù) 77
4.2.3 trackback模塊 79
4.3 Python文件操作 80
4.3.1 文件的概念 80
4.3.2 文件操作 80
本章小結(jié) 85
習(xí)題 85
第5章 Python數(shù)據(jù)處理與繪圖 89
5.1 numpy數(shù)組使用 90
5.1.1 numpy生成數(shù)組 91
5.1.2 numpy數(shù)組屬性 94
5.1.3 數(shù)組的索引和切片 96
5.1.4 numpy數(shù)組運(yùn)算 97
5.2 scipy包的使用 101
5.2.1 scipy包中的模塊 101
5.2.2 常數(shù)模塊的使用 102
5.2.3 特殊函數(shù)模塊的使用 102
5.2.4 信號(hào)處理模塊 103
5.2.5 空間結(jié)構(gòu)模塊 108
5.3 pandas包的使用 109
5.3.1 pandas數(shù)組 109
5.3.2 查看數(shù)據(jù) 112
5.3.3 pandas讀取文件 113
5.4 matplotlib包的使用 116
5.5 SQLite數(shù)據(jù)庫的使用 121
5.5.1 SQLite數(shù)據(jù)庫 121
5.5.2 SQLite數(shù)據(jù)庫操作方法 122
5.5.3 SQLite點(diǎn)命令 123
5.5.4 SQLite可視化維護(hù) 124
本章小結(jié) 126
習(xí)題 126
第6章 圖形用戶界面設(shè)計(jì)、二維碼與
程序打包 130
6.1 圖形用戶界面設(shè)計(jì) 131
6.1.1 wxPython應(yīng)用程序框架 132
6.1.2 wx.Frame的使用 134
6.1.3 文本編輯器 135
6.1.4 wxPython操作窗口 138
6.2 Python二維碼設(shè)計(jì) 145
6.2.1 二維碼概念 145
6.2.2 二維碼設(shè)計(jì) 146
6.3 程序打包 147
6.3.1 安裝打包工具 147
6.3.2 打包步驟 147
本章小結(jié) 150
習(xí)題 150
第7章 Anaconda使用、數(shù)據(jù)分割與
訓(xùn)練 155
7.1 Anaconda安裝與使用 156
7.1.1 安裝Anaconda 156
7.1.2 使用Anaconda 158
7.2 Jupyter Notebook 160
7.2.1 使用Jupyter Notebook 160
7.2.2 安裝mglearn包 163
7.3 數(shù)據(jù)構(gòu)建與分割 164
7.3.1 數(shù)據(jù)構(gòu)建 164
7.3.2 測(cè)試數(shù)據(jù)分割 167
7.4 k近鄰分類 169
7.4.1 k近鄰分類算法概述 169
7.4.2 數(shù)據(jù)模型優(yōu)良評(píng)判 170
7.5 sklearn自帶數(shù)據(jù)集 171
本章小結(jié) 174
習(xí)題 174
第8章 有監(jiān)督機(jī)器學(xué)習(xí) 177
8.1 分類與回歸 178
8.1.1 分類與回歸 178
8.1.2 兩個(gè)接地特征的線性回歸
分析 183
8.1.3 兩個(gè)接地特征的k近鄰分類與
回歸 191
8.2 決策樹和隨機(jī)森林 194
8.2.1 決策樹 194
8.2.2 隨機(jī)森林 198
8.3 神經(jīng)網(wǎng)絡(luò)分類 201
8.3.1 神經(jīng)網(wǎng)絡(luò)算法 201
8.3.2 多層前饋網(wǎng)絡(luò)結(jié)構(gòu) 201
8.3.3 BP學(xué)習(xí)算法 202
8.3.4 單相接地神經(jīng)網(wǎng)絡(luò)分類 204
8.3.5 神經(jīng)網(wǎng)絡(luò)分類器主要參數(shù) 206
8.4 集成學(xué)習(xí) 208
8.4.1 核—SVM算法 208
8.4.2 集成學(xué)習(xí)算法 209
8.4.3 弱學(xué)習(xí)機(jī)分類器算法 212
8.4.4 分類器不確定性估計(jì) 214
8.4.5 機(jī)器學(xué)習(xí)算法匯總 214
本章小結(jié) 223
習(xí)題 223
第9章 無監(jiān)督學(xué)習(xí)與模型泛化 226
9.1 無監(jiān)督學(xué)習(xí) 227
9.1.1 k-均值聚類算法 227
9.1.2 新型傳染病聚類分析 228
9.1.3 機(jī)器學(xué)習(xí)模型保存 230
9.1.4 高斯混合模型 232
9.1.5 層次聚類 235
9.2 分類模型泛化 236
9.2.1 數(shù)據(jù)劃分有效性 236
9.2.2 更有效數(shù)據(jù)劃分 238
9.2.3 模型參數(shù)優(yōu)化 239
9.2.4 主成分分析 242
9.2.5 流形學(xué)習(xí) 247
本章小結(jié) 248
習(xí)題 248
附錄A 251
附錄B 252
參考文獻(xiàn) 253
展開全部
Python 機(jī)器學(xué)習(xí)教程 作者簡(jiǎn)介
顧濤，華北科技學(xué)院副教授、碩導(dǎo)，北京工業(yè)大學(xué)兼職碩導(dǎo)。北京鼎科遠(yuǎn)圖科技有限公司董事長兼總經(jīng)理，中國創(chuàng)造學(xué)會(huì)永久會(huì)員。擅長噪音中的信號(hào)檢測(cè)與處理、智能監(jiān)控技術(shù)，作為核心成員參與多項(xiàng)國家級(jí)、省部級(jí)項(xiàng)目開發(fā)。發(fā)表國內(nèi)外EI收錄論文11篇，以第一發(fā)明人獲得授權(quán)發(fā)明專利11項(xiàng)，實(shí)用新型專利5項(xiàng)。已公開出版教材1部，專著1部。目前研究領(lǐng)域集中在嵌入式系統(tǒng)、監(jiān)控檢測(cè)智能系統(tǒng)與設(shè)備、智能工業(yè)4.0、6~66kV配電網(wǎng)狀態(tài)監(jiān)測(cè)與數(shù)據(jù)可視化技術(shù)、電力物聯(lián)網(wǎng)等新興領(lǐng)域。
書友推薦
- >
李白與唐代文化
- >
詩經(jīng)-先民的歌唱
- >
小考拉的故事-套裝共3冊(cè)
- >
山海經(jīng)
- >
月亮與六便士
- >
苦雨齋序跋文-周作人自編集
- >
唐代進(jìn)士錄
- >
莉莉和章魚
本類暢銷
