內容介紹
本書采用D創的黑箱模式,MBA案例教學機製,結閤一綫實戰案例,介紹Sklearn人工智能模塊庫和常用的機器學習算法。書中配備大量圖錶說明,沒有枯燥的數學公式,普通讀者,隻要懂Word、Excel,J能夠輕鬆閱讀全書,並學習使用書中的知識,分析大數據。本書具有以下特色:D創的黑箱教學模式,全書無任何抽象理論和深奧的數學公式。1次係統化融閤Sklearn人工智能軟件和Pandas數據分析軟件,不用再直接使用復雜的Numpy數學矩陣模塊。係統化的Sklearn函數和API中文文檔,可作為案頭工具書隨時查閱。基於Sklearn Pandas模式,無須任何理論基礎,全程采用MBA案例模式,懂ExcelJ可看懂。
關聯推薦
不需要任何編程、交易經驗,也不需要具備超強的數據分析能力,隻要會使用ExcelJ可以輕鬆學會本書講解的知識點。
目錄
D 1 章 從阿爾法狗開始說起1 1.1 阿爾法狗的前世今生.......1 1.2 機器學習是什麼.....2 1.3 機器學習大史記.....3 1.4 機器學習經典案例......... 11 D 2 章 開發環境......13 2.1 數據分析SX Python.....13 2.2 用戶運行平颱.......18 2.3 程序目錄結構.......19 2.4 Spyder 編輯器界麵設置.20 2.5 Python 命令行模式.........26 2.6 Notebook 模式......27 2.7 模塊庫控製麵闆...29 2.8 使用 pip 更新模塊庫......33D 1 章 從阿爾法狗開始說起1
1.1 阿爾法狗的前世今生.......1
1.2 機器學習是什麼.....2
1.3 機器學習大史記.....3
1.4 機器學習經典案例......... 11
D 2 章 開發環境......13
2.1 數據分析SX Python.....13
2.2 用戶運行平颱.......18
2.3 程序目錄結構.......19
2.4 Spyder 編輯器界麵設置.20
2.5 Python 命令行模式.........26
2.6 Notebook 模式......27
2.7 模塊庫控製麵闆...29
2.8 使用 pip 更新模塊庫......33
D 3 章 Python 入門案例....39
3.1 案例 3-1:D一次編程“hello,ziwang” ....39
3.2 案例 3-2:增強版“hello,zwiang” ..42
3.3 案例 3-3:列舉係統模塊庫清單.......44
3.4 案例 3-4:常用繪圖風格.........45
3.5 案例 3-5:Pandas 常用繪圖風格.......47
3.6 案例 3-6:常用顔色錶 cors.....49
3.7 案例源碼.....50
D 4 章 Python 基本語法....58
4.1 數據類型.....58
案例 4-1:基本運算.......59
4.2 字符串.........61
案例 4-2:字符串入門...61
案例 4-3:字符串常用方法.....63
4.3 List 列錶......64
案例 4-4:列錶操作.......65
4.4 Tuple 元組...66
案例 4-5:元組操作.......67
4.5 Dictionary 字典.....68
案例 4-6:字典操作.......68
4.6 數據類型轉換.......70
案例 4-7:控製語句.......71
案例 4-8:函數定義.......73
4.7 案例源碼.....75
D 5 章 Python 人工智能入門與實踐......85
5.1 從忘卻開始.85
5.2 Iris 經典愛麗絲.....89
案例 5-1:Iris 愛麗絲 ....90
案例 5-2:愛麗絲進化與文本矢量化.........92
5.3 AI 操作流程95
5.4 數據切割函數.......98
案例 5-3:Iris 愛麗絲分解 ......99
案例 5-4:綫性迴歸算法.......103
5.5 案例源碼...109
D 6 章 機器學習經典算法案例(上) . 116
6.1 綫性迴歸... 116
6.2 邏輯迴歸算法.....124
案例 6-1:邏輯迴歸算法.......125
6.3 樸素貝葉斯算法.127
案例 6-2:貝葉斯算法.129
6.4 KNN 近鄰算法 ...130
案例 6-3:KNN 近鄰算法.....133
6.5 隨機森林算法.....135
案例 6-4:隨機森林算法.......139
6.6 案例源碼...140
D 7 章 機器學習經典算法案例(下) .149
7.1 決策樹算法.........149
案例 7-1:決策樹算法.151
7.2 GBDT 迭代決策樹算法.........153
案例 7-2:GBDT 迭代決策樹算法.154
7.3 SVM 嚮量機 .......156
案例 7-3:SVM 嚮量機算法.157
7.4 SVM-cross 嚮量機交叉算法..159
案例 7-4:SVM-cross 嚮量機交叉算法....160
7.5 神經網絡算法.....161
案例 7-5:MLP 神經網絡算法........165
案例 7-6:MLP_reg 神經網絡迴歸算法...168
7.6 案例源碼...170
D 8 章 機器學習組閤算法 .........183
8.1 CCPP 數據集......183
案例 8-1:CCPP 數據集........184
案例 8-2:CCPP 數據切割....186
案例 8-3:讀取 CCPP 數據集.........189
8.2 機器學習統一接口函數.........192
案例 8-4:機器學習統一接口.........193
案例 8-5:批量調用機器學習算法.201
案例 8-6:一體化調用.205
8.3 模型預製與保存.208
案例 8-7:儲存算法模型.......210
案例 8-8:批量儲存算法模型.........213
案例 8-9:批量加載算法模型.........215
案例 8-10:機器學習組閤算法.......219
8.4 案例源碼...224
附錄 A Sklearn 常用模塊和函數.242
附錄 B J寬量化係統模塊圖......266 顯示全部信息
零起點Python機器學習快速入門 下載 mobi epub pdf txt 電子書 格式