《机器学习实战（视频教学版）》迟殿委王培进王兴平『EPUB电子书下载』

内容简介

《机器学习实战：视频教学版》基于Python语言详细讲解机器学习算法及其应用，用于读者快速入门机器学习。本书配套示例源代码、PPT课件、教学视频、教学大纲、习题与答案、作者微信答疑。

《机器学习实战：视频教学版》共分12章，内容包括机器学习概述、Python数据处理基础、Python常用机器学习库、线性回归及应用、分类算法及应用、数据降维及应用、聚类算法及应用、关联规则挖掘算法及应用、协同过滤算法及应用，最后通过3个综合实战项目（包括新闻内容分类实战、泰坦尼克号获救预测实战、中药数据分析项目实战），帮助读者对所学技能进行巩固和提升。本书主要章节都给出了对应的示例及其详细的分析步骤，方便读者从编程中掌握机器学习基础算法及应用。

《机器学习实战：视频教学版》适合机器学习初学者、大数据分析人员和机器学习算法开发工程师阅读；也适合作为高等院校或高职高专人工智能、计算机、软件工程、数据科学与大数据技术、智能科学与技术等专业机器学习课程的教材。

作者简介

迟殿委，计算机软件与理论专业硕士，系统架构设计师。有十多年JavaEE、大数据全栈应用开发经验和培训经验，擅长JavaEE架构设计、大数据分析与挖掘。著有图书：《Spark入门与大数据分析实战》《Hive入门与大数据分析实战》《Hadoop大数据分析技术》《Hadoop+Spark大数据分析实战》《Spring Boot企业级开发实战（视频教学版）》《深入浅出Java编程》《Spring Boot+Spring Cloud微服务开发》。

目录

目录
第1章机器学习概述 1
1.1机器学习简介 1
1.1.1什么是机器学习 1
1.1.2机器学习三要素和核心 2
1.1.3机器学习开发流程 4
1.1.4机器学习模型评价指标 7
1.1.5机器学习项目开发步骤 10
1.2机器学习的发展史和分类 11
1.2.1机器学习的发展史 11
1.2.2机器学习分类 16
1.3机器学习常用术语 19
1.4本章小结 27
第2章Python数据处理基础 28
2.1Python开发环境搭建 28
2.1.1安装Python解释器 28
2.1.2Python运行方法 30
2.1.3安装PyCharm 31
2.1.4Python包管理工具 35
2.1.5安装JupyterNotebook 36
2.2Python基本数据类型 37
2.2.1数值型 37
2.2.2字符串（String） 39
2.2.3列表（List） 41
2.2.4元组（Tuple） 50
2.2.5集合（Set） 54
2.2.6字典（Dict） 60
2.3Python文件的基本操作 65
2.3.1文件读写基本操作 65
2.3.2NumPy库存取文件 69
2.3.3Pandas存取文件 73
2.4本章小结 74
第3章Python常用机器学习库 75
3.1Python数值计算库NumPy 75
3.1.1NumPy简介与安装 75
3.1.2NumPy数组的基本操作 76
3.2Python数据处理库Pandas 77
3.2.1Pandas库简介与安装 77
3.2.2数据读取与写入 77
3.2.3数据清洗与转换 78
3.2.4数据分析与可视化 79
3.3Python数据可视化库Matplotlib 80
3.3.1Matplotlib安装与基本使用 80
3.3.2绘制折线图 82
3.3.3绘制柱状图 84
3.3.4绘制饼图 86
3.3.5绘制子图 87
3.4Python机器学习库scikit-learn 89
3.4.1sklearn简介与安装 89
3.4.2sklearn通用学习模式 89
3.4.3sklearn数据集 90
3.4.4sklearn模型的属性和功能 91
3.4.5sklearn数据预处理 92
3.4.6交叉验证 94
3.4.7保存模型 96
3.5本章小结 97
第4章线性回归及应用 98
4.1线性回归算法理论 98
4.2回归算法的评价指标 100
4.3梯度下降算法 101
4.3.1算法理解 101
4.3.2SGD算法理论 102
4.4过拟合 103
4.4.1过拟合产生的原因 103
4.4.2常见线性回归正则化方法 104
4.5线性回归实战 105
4.5.1波士顿房价预测 105
4.5.2加入正则化项 107
4.6本章小结 108
第5章分类算法及应用 109
5.1逻辑回归理论与应用 109
5.1.1算法理论知识 109
5.1.2逻辑回归算法实战 110
5.2SVM理论及应用 118
5.2.1算法理论知识 119
5.2.2SVM算法实战 120
5.3朴素贝叶斯分类及应用 129
5.3.1算法理论 129
5.3.2朴素贝叶斯实战应用 130
5.4决策树分类及应用 132
5.4.1算法理论 132
5.4.2ID3算法基础 133
5.4.3决策树算法实战 136
5.5随机森林算法实战 140
5.6本章小结 141
第6章数据降维及应用 142
6.1数据降维概述 142
6.2PCA算法 143
6.2.1PCA算法理论 143
6.2.2PCA算法实战 145
6.3SVD算法 147
6.3.1SVD理论 147
6.3.2SVD实战应用 149
6.4本章小结 152
第7章聚类算法及应用 153
7.1聚类理论基础 153
7.2K-Means聚类 154
7.2.1K-Means算法理论 154
7.2.2K-Means算法实战 155
7.3高斯混合聚类 163
7.3.1高斯聚类理论 163
7.3.2高斯混合聚类应用 165
7.4谱聚类 166
7.4.1谱聚类理论基础 167
7.4.2谱聚类应用实战 168
7.5本章小结 171
第8章关联规则挖掘算法及应用 172
8.1关联规则挖掘算法理论 172
8.1.1大数据关联规则挖掘常识 172
8.1.2经典的Apriori算法 173
8.1.3FP树算法 174
8.2关联规则挖掘算法实战 177
8.2.1FP树实战 177
8.2.2Apriori算法实战 182
8.3本章小结 186
第9章协同过滤算法及应用 187
9.1协同过滤算法理论 187
9.1.1协同过滤概述 187
9.1.2物品相似度计算 189
9.1.3关于ALS算法中的最小二乘法 190
9.2协同过滤算法电影推荐实战 191
9.3本章小结 196
第10章新闻内容分类实战 197
10.1数据准备 197
10.2分词与清洗工作 199
10.3模型建立 202
10.4分类任务 203
10.5本章小结 205
第11章泰坦尼克号获救预测实战 206
11.1数据处理 206
11.2建立模型 209
11.3算法概率计算 210
11.4集成算法，构建多棵分类树 210
11.5特征提取 211
11.6集成多种算法 214
11.7本章小结 215
第12章中药数据分析项目实战 216
12.1项目背景及目标 216
12.2数据处理与分析实战 217
12.2.1数据读取 217
12.2.2中药材数据集的数据处理与分析 218
12.2.3提取药方成分 221
12.2.4挖掘常用药物组合 223
12.3本章小结 227
······