Python机器学习编程与实战

本书采用常用技术与真实案例相结合的讲解方式，深入浅出地介绍了Python机器学习应用的主要内容。全书共8章，内容包括Python概述、NumPy数值计算、pandas基础、pandas进阶、Matplotlib绘图、scikit-learn、餐饮企业综合分析与预测、通信运营商客户流失分析与预测。前6章设置了选择题、填空题和操作题，后两章设置了操作题，希望通过练习和操作实践，读者可以巩固所学的内容。本书可以作为高校大数据或人工智能专业的教材，也可作为机器学习爱好者的自学用书。

第1章Python概述1
1.1Python简介1
1.1.1Python语言1
1.1.2Python与机器学习1
1.1.3Python环境配置2
1.2Python基础知识5
1.2.1固定语法5
1.2.2运算符6
1.2.3数据类型9
1.2.4PythonI/O14
1.3控制语句17
1.3.1条件语句18
1.3.2循环语句20
1.4函数22
小结25
课后习题26
第2章NumPy数值计算28
2.1ndarray的创建与索引28
2.1.1创建ndarray28
2.1.2ndarray的索引和切片33
2.2ndarray的基础操作36
2.2.1变换ndarray的形态36
2.2.2排序与搜索42
2.3ufunc46
2.3.1ufunc的广播机制46
2.3.2常用ufunc运算47
小结54
课后习题54
第3章pandas基础56
3.1pandas常用类56
3.1.1Series56
3.1.2DataFrame60
3.1.3Index64
3.2DataFrame基本操作65
3.2.1索引66
3.2.2排序70
3.2.3合并73
3.3其他数据类型操作78
3.3.1时间操作78
3.3.2文本操作87
3.3.3category操作90
小结93
课后习题93
第4章pandas进阶95
4.1数据的读取与写出95
4.1.1CSV95
4.1.2Excel97
4.1.3数据库98
4.2DataFrame进阶101
4.2.1统计分析101
4.2.2分组运算106
4.2.3透视表和交叉表111
4.3数据准备113
4.3.1缺失值处理113
4.3.2重复数据处理117
4.3.3连续特征离散化处理118
4.3.4哑变量处理120
小结122
课后习题122
第5章Matplotlib绘图124
5.1Matplotlib绘图基础124
5.1.1编程风格124
5.1.2动态rc参数128
5.2分析特征关系常用图形133
5.2.1散点图133
5.2.2折线图135
5.3分析特征内部数据状态常用图形137
5.3.1直方图与条形图138
5.3.2饼图140
5.3.3箱线图142
小结144
课后习题144
第6章scikit-learn146
6.1数据准备146
6.1.1标准化146
6.1.2归一化149
6.1.3二值化150
6.1.4独热编码151
6.2降维153
6.2.1PCA154
6.2.2ICA158
6.2.3LDA162
6.3分类166
6.3.1Logistic回归166
6.3.2SVM171
6.3.3决策树174
6.3.4KNN178
6.3.5朴素贝叶斯180
6.3.6随机森林183
6.3.7多层感知机186
6.4回归189
6.4.1最小二乘回归191
6.4.2岭回归194
6.4.3Lasso回归195
6.5聚类198
6.5.1K-Means199
6.5.2层次聚类202
6.5.3DBSCAN205
6.5.4GMM208
6.6模型验证212
6.6.1数据集划分212
6.6.2交叉验证213
6.6.3自动调参214
6.6.4模型评价217
小结221
课后习题221
第7章餐饮企业综合分析与预测225
7.1餐饮企业需求分析225
7.1.1餐饮企业现状与需求225
7.1.2餐饮企业数据基本状况226
7.1.3餐饮企业数据分析的步骤与流程227
7.2数据准备227
7.2.1统计每日用餐人数与销售额227
7.2.2数据预处理229
7.3使用K-Means算法进行客户价值分析231
7.3.1构建RFM特征231
7.3.2构建K-Means模型233
7.3.3K-Means模型结果分析234
7.4使用决策树算法实现餐饮客户流失预测236
7.4.1构建客户流失特征236
7.4.2构建客户流失预测模型238
7.4.3分析决策树模型结果239
小结240
课后习题240
第8章通信运营商用户流失分析与预测242
8.1通信运营商用户流失需求分析242
8.1.1通信运营商现状与需求242
8.1.2通信运营商数据基本情况242
8.1.3通信运营商用户流失分析与预测的步骤与流程243
8.2数据准备244
8.2.1数据去重与降维244
8.2.2数据清洗245
8.2.3数据合并247
8.3特征工程251
8.3.1独热编码251
8.3.2合并预处理后的数据集252
8.4使用MLP算法实现通信运营商用户流失预测253
8.4.1数据集划分与数据标准化253
8.4.2构建用户流失预测模型255
8.4.3模型评价255
小结256
课后习题256