目录:
第1章 Python机器学习快速入门 1
1.1 Python安装 1
1.2 Python常用数据类型 5
1.3 Python条件、循环与函数 13
1.4 机器学习简介 17
1.5 本章小结 22
第2章 Python中的常用库 23
2.1 Numpy库 23
2.2 Pandas库 36
2.3 Matplotlib库 47
2.4 Seaborn库 60
2.5 Sklearn库 65
2.6 本章小结 70
第3章 机器学习流程 71
3.1 数据预处理与探索 72
3.2 无监督问题应用 81
3.3 有监督分类问题应用 87
3.4 有监督回归问题应用 91
3.5 半监督学习应用 94
3.6 本章小结 96
第4章 模型的选择与评估 98
4.1 模型的选择 98
4.2 模型训练技巧 101
4.3 模型评价指标 106
4.4 本章小结 108
第5章 回归模型 109
5.1 一元线性回归 111
5.2 多元线性回归 116
5.3 正则化Lasso回归 127
5.4 时间序列ARIMA模型 133
5.5 时间序列SARIMA模型 145
5.6 本章小结 149
第6章 无监督模型 150
6.1 常用降维算法 151
6.2 数据降维案例实战 154
6.3 常用聚类算法 164
6.4 数据聚类案例实战 168
6.5 关联规则挖掘 179
6.6 本章小结 188
第7章 分类模型 189
7.1 决策树算法 193
7.2 随机森林算法 203
7.3 Logistic回归算法 208
7.4 支持向量机算法 211
7.5 人工神经网络算法 219
7.6 本章小结 225
第8章 数据回归算法 226
8.1 数据回归算法模型实战 227
8.2 复杂时间序列预测模型 239
8.3 时间序列回归模型实战 240
8.4 本章小结 253
第9章 非结构数据机器学习 254
9.1 非结构数据分析简介 255
9.2 文本数据分析实战 257
9.3 网络图数据分析实战 272
9.4 本章小结 281
第10章 综合实战案例：中药材鉴别 282
10.1 无监督学习——鉴别药材种类 284
10.2 有监督学习——药材产地鉴别 295
10.3 半监督学习——药材类别鉴别 303
10.4 本章小结 311
参考文献 312
点击下载