Python机器学习

本书以案例驱动的方式讲解机器学习算法的知识点，并以Python语言作为基础开发语言实现算法，包括目前机器学习主流算法的原理、算法流程图、算法的详细设计步骤、算法实例、算法应用、算法的改进与优化等环节。全书共分17章，前两章介绍机器学习与Python语言的相关基础知识，后面各章以案例的方式分别介绍线性回归算法、逻辑回归算法、K最近邻算法、PCA降维算法、k-means算法、支持向量机算法、AdaBoost算法、决策树算法、高斯混合模型算法、随机森林算法、朴素贝叶斯算法、隐马尔可夫模型算法、BP神经网络算法、卷积神经网络算法、递归神经网络算法。本书适合作为高等院校人工智能、大数据、计算机科学、软件工程等相关专业本科生和研究生有关课程的教材，也适用于各种计算机编程、人工智能学习认证体系，还可供广大人工智能领域技术人员参考。

前言
第1章机器学习基础1
1.1引论1
1.2何谓机器学习2
1.2.1概述2
1.2.2引例2
1.3机器学习中的常用算法4
1.3.1按照学习方式划分4
1.3.2按照算法相似性划分7
1.4本章小结14
1.5本章习题14
第2章Python与数据科学15
2.1Python概述15
2.2Python与数据科学的关系16
2.3Python中常用的第三方库16
2.3.1NumPy16
2.3.2SciPy17
2.3.3Pandas17
2.3.4Matplotlib18
2.3.5Scikit-learn18
2.4编译环境18
2.4.1Anaconda19
2.4.2JupyterNotebook21
2.5本章小结23
2.6本章习题24
第3章线性回归算法25
3.1算法概述25
3.2算法流程25
3.3算法步骤26
3.4算法实例30
3.5算法应用32
3.6算法的改进与优化34
3.7本章小结34
3.8本章习题34
第4章逻辑回归算法37
4.1算法概述37
4.2算法流程38
4.3算法步骤38
4.4算法实例40
4.5算法应用45
4.6算法的改进与优化49
4.7本章小结49
4.8本章习题49
第5章K最近邻算法51
5.1算法概述51
5.2算法流程52
5.3算法步骤52
5.4算法实例53
5.5算法应用54
5.6算法的改进与优化57
5.7本章小结58
5.8本章习题58
第6章PCA降维算法59
6.1算法概述59
6.2算法流程60
6.3算法步骤60
6.3.1内积与投影60
6.3.2方差62
6.3.3协方差62
6.3.4协方差矩阵63
6.3.5协方差矩阵对角化63
6.4算法实例65
6.5算法应用67
6.6算法的改进与优化68
6.7本章小结68
6.8本章习题69
第7章k-means算法70
7.1算法概述70
7.2算法流程70
7.3算法步骤71
7.3.1距离度量71
7.3.2算法核心思想72
7.3.3初始聚类中心的选择73
7.3.4簇类个数k的调整73
7.3.5算法特点74
7.4算法实例75
7.5算法应用77
7.6算法的改进与优化81
7.7本章小结81
7.8本章习题82
第8章支持向量机算法84
8.1算法概述84
8.2算法流程85
8.2.1线性可分支持向量机85
8.2.2非线性支持向量机85
8.3算法步骤85
8.3.1线性分类85
8.3.2函数间隔与几何间隔87
8.3.3对偶方法求解88
8.3.4非线性支持向量机与核函数90
8.4算法实例93
8.5算法应用95
8.6算法的改进与优化100
8.7本章小结101
8.8本章习题101
第9章AdaBoost算法102
9.1算法概述102
9.2算法流程102
9.3算法步骤103
9.4算法实例105
9.5算法应用106
9.6算法的改进与优化109
9.7本章小结110
9.8本章习题110
第10章决策树算法112
10.1算法概述112
10.2算法流程113
10.3算法步骤113
10.3.1两个重要概念113
10.3.2实现步骤115
10.4算法实例115
10.5算法应用118
10.6算法的改进与优化119
10.7本章小结120
10.8本章习题120
第11章高斯混合模型算法121
11.1算法概述121
11.2算法流程121
11.3算法步骤122
11.3.1构建高斯混合模型122
11.3.2EM算法估计模型参数123
11.4算法实例125
11.5算法应用127
11.6算法的改进与优化129
11.7本章小结130
11.8本章习题130
第12章随机森林算法132
12.1算法概述132
12.2算法流程133
12.3算法步骤134
12.3.1构建数据集134
12.3.2基于数据集构建分类器134
12.3.3投票组合得到最终结果并分析135
12.4算法实例136
12.5算法应用140
12.6算法的改进与优化142
12.7本章小结143
12.8本章习题143
第13章朴素贝叶斯算法145
13.1算法概述145
13.2算法流程145
13.3算法步骤146
13.4算法实例148
13.5算法应用149
13.6算法的改进与优化151
13.7本章小结152
13.8本章习题152
第14章隐马尔可夫模型算法154
14.1算法概述154
14.2算法流程154
14.3算法步骤155
14.4算法实例156
14.5算法应用159
14.6算法的改进与优化165
14.7本章小结166
14.8本章习题166
第15章BP神经网络算法167
15.1算法概述167
15.2算法流程167
15.3算法步骤168
15.4算法实例170
15.5算法应用174
15.6算法的改进与优化176
15.7本章小结177
15.8本章习题177
第16章卷积神经网络算法179
16.1算法概述179
16.2算法流程179
16.3算法步骤180
16.3.1向前传播阶段181
16.3.2向后传播阶段183
16.4算法实例184
16.5算法应用188
16.6算法的改进与优化193
16.7本章小结194
16.8本章习题194
第17章递归神经网络算法196
17.1算法概述196
17.2算法流程197
17.3算法步骤198
17.4算法实例200
17.5算法应用204
17.6算法的改进与优化207
17.7本章小结208
17.8本章习题208
课后习题答案210
参考文献231