Python在机器学习中的应用

《基于python的人工智能基础及实战》一书是一本零基础入门教程，教你如何从一名计算机编程小白，到一名能够操纵当下流行的、近期新版的python3.6语言，再入门人工智能，最后自己动手深入各类小应用项目实战。本书由浅入项目（根本没有“深”），只要你能跟着本书自己敲代码，转换角色是迟早的事——从崇拜者到被崇拜者。全书共八章。第1章至第3章介绍python入门知识；第4章介绍图像识别方法与案例；第5章介绍人脸识别技术及应用，掌握对opencv库的基本操作；第6章介绍语音识别技术；第7章介绍开源库的发布流程和操作；第8章介绍具体的分析实战案例。通俗的语言，小白式的操作，配备讲解视频，让你在阅读本书时，能够轻松、愉悦地提升自己的python技能。书中示例详细，并给出了具体的可修改的代码，让读者能够自由的在python涉及的领域自由地展翅翱翔。

  

第1章 机器学习简介
1.1 机器学习的任务
1.2 机器学习的三种方式
1.3 机器学习系统的建立
1.4 机器学习实例
第2章 Python常用库介绍
2.1 Python的安装(Anaconda)
2.1.1 Spyder
2.1.2 Jupyter Notebook
2.2 Python常用库
2.2.1 Numpy库
2.2.2 Pandas库
2.2.3 Matplotlib库
2.2.4 Statsmodels库
2.2.5 Scikit-learn库
2.3 其他Python常用的数据库
2.4 Python各种库在机器学习中的应用
第3章 数据的准备和探索
3.1 数据预处理
3.2 数据假设检验
3.3 数据间的关系
3.4 数据可视化
3.5 特征提取和降维
第4章 模型训练和评估
4.1 模型训练技巧
4.2 分类效果的评价
4.3 回归模型评价
4.4 聚类分析评估
第5章 回归分析
5.1 回归分析简介
5.2 多元线性回归分析
5.2.1 多元线性回归
5.2.2 逐步回归
5.3 Lasso回归分析
5.4 Logistic回归分析
5.5 时间序列预测
第6章 关联规则
6.1 关联规则简介
6.2 使用关联规则找到问卷的规则
6.3 关联规则可视化
第7章 无监督学习
7.1 无监督学习介绍
7.2 系统聚类
7.3 K-均值聚类
7.4 密度聚类
7.5 Mean Shift聚类
7.6 字典学习图像去噪
第8章 文本LDA模型
8.1 文本分析简介
8.2 中文分词
8.3 LDA主题模型分析《红楼梦》
8.4 红楼梦人物关系
第9章 决策树和集成学习
9.1 模型简介
9.2 泰坦尼克号数据预处理
9.3 决策树模型
9.4 决策树剪枝
9.5 随机森林模型
9.6 AdaBoost模型
第10章 朴素贝叶斯和K近邻分类
10.1 模型简介
10.2 垃圾邮件数据预处理
10.3 贝叶斯模型识别垃圾邮件
10.4 基于异常值检测的垃圾邮件查找
10.4.1 PCA异常值检测
10.4.2 Isolation Forest异常值检测
10.5 数据不平衡问题的处理
10.6 K近邻分类
第11章 支持向量机和神经网络
11.1 模型简介
11.2 肺癌数据可视化
11.3 支持向量机模型
11.4 全连接神经网络
第12章 深度学习入门
12.1 深度学习介绍
12.2 卷积和池化
12.3 CNN人脸识别
12.4 CNN人脸检测
12.5 深度卷积图像去噪
12.5.1 空洞卷积
12.5.2 图像与图像块的相互转换
12.5.3 一种深度学习去噪方法