Python机器学习——原理、算法及案例实战

本书系统介绍了经典的机器学习算法，并通过 实践案例对算法进行解析。 本书内容包含三部分: 第一部分（第1章和第2 章）为入门篇，着重介绍Python开发基础及数据分 析与处理；第二部分（第3章和第4章）为基础篇， 着重介绍机器学习的理论框架和常用机器学习模型 ；第三部分（第5～11章）为实战篇，介绍经典机器 学习算法及应用，包括KNN分类算法、KMeans聚 类算法、推荐算法、回归算法、支持向量机算法、 神经网络算法以及深度学习理论及项目实例。 本书力求叙述简练，概念清晰，通俗易懂。书 中的案例选取了接近实际应用的典型问题，以应用 能力、创新能力的培养为核心目标。 本书可作为高等院校计算机、软件工程、大数 据、通信、电子等相关专业的教材，也可作为成人 教育及自学考试用书，还可作为机器学习相关领域 开发人员、工程技术人员和研究人员的参考用书。

\\\\\\\"主要作者为长期从事计算机一线教学的教师，博士学历，研究方向均为人工智能与模式识别,具有丰富的计算机教学经验和扎实的科研经验。主持国家 863子课题、上海市教委子课题等多个科研项目。包括多目标旅行商问题的求解 、稀疏半监督学习方法研究 、面向蛋白质结构预测的支持向量机的研究等、多Agent 蚁群算法在仿真优化中应用研究等。 主持国家、省部级教学改革项目6项，作为核心成员参加上海市精品课程、校级重大教研课题。主编参编教材十余本。多次获得华东师范大学优秀任课教师奖、华东师范大学教学成果奖等奖励。\\\\\\\"

第一部分入门篇 第1章 机器学习概述 1.1 人工智能简介 1.1.1 什么是人工智能 1.1.2 人工智能史上的三次浪潮 1.1.3 人工智能的研究领域 1.2 机器学习的主要工作 1.3 机器学习开发环境 习题 第2章 Python数据处理基础 2.1 Python程序开发技术 2.2 基本数据类型 2.3 数据文件读写 2.3.1 打开与关闭文件 2.3.2 读取文件内容 2.3.3 将数据写入文件 2.3.4 Pandas存取文件 2.3.5 NumPy存取文件 习题 第二部分基础篇 第3章 Python常用机器学习库 3.1 NumPy 3.1.1 ndarray对象 3.1.2 NumPy数据类型 3.1.3 NumPy数组属性 3.1.4 其他创建数组的方式 3.1.5 切片、迭代和索引 3.1.6 NumPy计算 3.2 Pandas 3.2.1 Series数据结构 3.2.2 DataFrame对象 3.2.3 数据对齐 3.3 Matplotlib 3.4 OpenCV 3.5 Scikit learn 3.5.1 SKlearn简介 3.5.2 SKlearn的一般步骤 3.6 其他常用模块 3.6.1 WordCloud制作词云 3.6.2 Jieba中文分词 3.6.3 PIL 习题 第4章 机器学习基础 4.1 机器学习模型 4.1.1 线性模型与非线性模型 4.1.2 浅层模型与深度模型 4.1.3 单一模型与集成模型 4.1.4 监督学习、非监督学习和强化学习 4.2 机器学习算法的选择 4.2.1 模型的确定