Python與機器學習

購買商店

Python與機器學習

$199.00

馬上購買

內容描述

機器學習技術被廣泛應用於大數據分析、智能駕駛、計算機視覺等領域，並加速改變我們的生活。
該書以掌握一定的Python語言基礎為前提，從具體的精簡案例切入，
由淺入深、循序漸進地介紹機器學習在不同業務領域中的應用，內容上註重實用性和可操作性。
該書具體涵蓋了機器學習、監督學習、無監督學習、數據分析與人工智能應用等基本知識和相應技能。

《Python與機器學習》可作為大數據、人工智能、電子商務、
軟件技術等專業的高職學生和應用型本科學生機器學習、數據分析的入門教材，
也可作為Python提高教程，為機器學習方法的深入解讀奠定基礎。
此外，該書還可作為工程技術人員學習與實踐的參考書。

目錄大綱

項目1電影數據統計1
1．1數據獲取1
1．2數據解析4
1．3數據分析8
1．4數據可視化10
1．5課堂實訓：工資數據統計16
1．6練習題19
項目2電影數據分析（回歸） 21
2．1背景知識21
2．2使用一元線性回歸分析電影票房數據22
2．2．1一元線性回歸22
2．2．2範圍縮放25
2．2．3數據集的切分26
2．3使用多項式回歸分析電影票房數據29
2．4使用多元線性回歸分析電影票房數據31
2．5理解回歸分析方法34
2．6課堂實訓：工齡與工資相關性分析36
2．7練習題39
項目3數據的爬取41
3．1背景知識41
3．2電影數據的爬取42
3．2．1網絡數據一次爬取42
3．2．2網絡數據定時爬取48
3．2 ．3正則表達式49
3．3房屋租賃數據的爬取51
3．4房屋租賃數據的統計54
3．5課堂實訓：二手房數據的爬取與統計58
3．6練習題59
項目4房屋租賃數據的分析與可視化62
4．1背景知識62
4．2使用箱形圖可視化租賃價格分佈特徵63
4．3使用散點圖可視化房屋面積與租賃價格的關係65
4．4使用餅圖可視化不同行政區的可租賃房源佔比69
4．5使用折線圖可視化房間數與租賃價格的關係71
4．6使用熱力圖可視化地理位置與租賃價格的關係72
4．7課堂實訓：二手房數據的分析與可視化75
4．8練習題78
項目5身高與體重數據分析（分類器） 80
5．1背景知識80
5．1．1機器學習80
5．1．2監督學習80
5．1．3分類器82
5．2使用分類方法進行性別分類82
5．2．1邏輯回歸82
5．2．2樸素貝葉斯88
5．2．3決策樹91
5．2．4支持向量機95
5．3使用支持向量機進行肥胖程度分類97
5．4課堂實訓：肥胖分析1 101
5．5練習題102
項目6鳶尾花分類104
6．1背景知識104
6．2使用K近鄰對鳶尾花進行分類105
6．3使用隨機森林對鳶尾花進行分類 108
6．4使用神經網絡對鳶尾花進行分類111
6．5課堂實訓：肥胖分析2 114
6．6練習題115
項目7電影評分數據分析（聚類） 117
7．1背景知識117
7．1．1無監督學習117
7．1．2聚類118
7．1．3 K-Means 119
7 ．2使用DBSCAN確定質心個數119
7．3使用K-Means對觀影用戶進行聚類123
7．4課堂實訓：根據身高、體重和性別對用戶進行分類127
7．5練習題130

項目8人臉檢測與人臉識別132
8．1背景知識132
8．1．1人工智能132
8．1．2計算機視覺133
8．1．3 OpenCV計算機視覺包134
8．2圖像中的人臉檢測135
8．3視頻中的人臉檢測137
8．4圖像中的人臉識別140
8．5視頻中的人臉識別143
8．6課堂實訓：眼睛與笑臉檢測145
8．7練習題146
項目9手寫數字識別應用148
9．1背景知識148
9．2圖像數據集準備149
9．2．1 MNIST數據集格式149
9．2．2獲取MNIST數據集中的圖像150
9．3使用支持向量機識別手寫數字150
9．4使用神經網絡識別手寫數字154
9．5課堂實訓：使用不同的方法識別手寫數字155
9．6練習題156
項目10深度學習在行為識別中的應用157
10．1背景知識157
10． 1．1卷積神經網絡（CNN） 157
10．1．2循環神經網絡（RNN） 159
10．1．3深度學習的應用160
10．2使用卷積神經網絡識別行為161
10．2．1環境準備161
10．2．2數據的獲取與解析161
10．2．3數據集分析162
10．2．4卷積神經網絡的應用162
10．3使用循環神經網絡識別行為164
10．4課堂實訓：電影評論數據分析166
10．5練習題168
項目11 TensorFlow與神經網絡169
11．1背景知識169
11．2設計單層神經網絡預測花瓣寬度171
11．3設計多層神經網絡實現鳶尾花分類174
11．4課堂實訓：卷積神經網絡的實現與應用177
11．5練習題178
項目12項目綜合實訓180
12．1確定數據採集目標181
12．2數據採集與預處理182
12．3數據統計與分析183
12．3．1票房分析183
12．3．2上座率分析185
12．3．3票價分佈情況分析186
12．3．4評分數據分析186
12．4數據分析與預測187
12．4．1總場次與票房之間的關係分析187
12．4．2評分相關因素分析與預測187
12．5數據分類應用188
12．6課外拓展實訓：二手車數據的獲取與市場分析189
附錄A環境準備191
附錄B本書使用的工具包194
參考文獻195

作者介紹

陳清華
女，1983年生，碩士上海交通大學計算機軟件與理論碩士畢業，
浙江工業大學物聯網方向博士在讀，溫州職業技術學院計算機系大數據專業專任教師。