Python機器學習編程與實戰

購買商店

Python機器學習編程與實戰

$224.00

馬上購買

內容描述

本書採用常用技術與真實案例相結合的講解方式，深入淺出地介紹了Python機器學習應用的主要內容。全書共8章，內容包括Python概述、NumPy數值計算、pandas基礎、pandas進階、Matplotlib繪圖、scikit-learn、餐飲企業綜合分析與預測、通信運營商客戶流失分析與預測。前6章設置了選擇題、填空題和操作題，後兩章設置了操作題，希望通過練習和操作實踐，讀者可以鞏固所學的內容。本書可以作為高校大數據或人工智能專業的教材，也可作為機器學習愛好者的自學用書。

目錄大綱

第 1章 Python概述　11.1　Python簡介　11.1.1　Python語言　11.1.2　Python與機器學習　11.1.3　Python環境配置　21.2　Python基礎知識　51.2.1　固定語法　51.2.2　運算符　61.2.3　數據類型　91.2.4　Python I/O　141.3　控制語句　171.3.1　條件語句　181.3.2　循環語句　201.4　函數　22小結　25課後習題　26第　2章 NumPy數值計算　282.1　ndarray的創建與索引　282.1.1　創建ndarray　282.1.2　ndarray的索引和切片　332.2　ndarray的基礎操作　362.2.1　變換ndarray的形態　362.2.2　排序與搜索　422.3　ufunc　462.3.1　ufunc的廣播機制　462.3.2　常用ufunc運算　47小結　54課後習題　54第3章　pandas基礎　563.1　pandas常用類　563.1.1　Series　563.1.2　DataFrame　603.1.3　Index　643.2　DataFrame基本操作　653.2.1　索引　663.2.2　排序　703.2.3　合並　733.3　其他數據類型操作　783.3.1　時間操作　783.3.2　文本操作　873.3.3　category操作　90小結　93課後習題　93第4章　pandas進階　954.1　數據的讀取與寫出　954.1.1　CSV　954.1.2　Excel　974.1.3　數據庫　984.2　DataFrame進階　1014.2.1　統計分析　1014.2.2　分組運算　1064.2.3　透視表和交叉表　1114.3　數據準備　1134.3.1　缺失值處理　1134.3.2　重復數據處理　1174.3.3　連續特徵離散化處理　1184.3.4　啞變量處理　120小結　122課後習題　122第5章　Matplotlib繪圖　1245.1　Matplotlib繪圖基礎　1245.1.1　編程風格　1245.1.2　動態rc參數　1285.2　分析特徵關系常用圖形　1335.2.1　散點圖　1335.2.2　折線圖　1355.3　分析特徵內部數據狀態常用圖形　1375.3.1　直方圖與條形圖　1385.3.2　餅圖　1405.3.3　箱線圖　142小結　144課後習題　144第6章　scikit-learn　1466.1　數據準備　1466.1.1　標準化　1466.1.2　歸一化　1496.1.3　二值化　1506.1.4　獨熱編碼　1516.2　降維　1536.2.1　PCA　1546.2.2　ICA　1586.2.3　LDA　1626.3　分類　1666.3.1　Logistic回歸　1666.3.2　SVM　1716.3.3　決策樹　1746.3.4　KNN　1786.3.5　樸素貝葉斯　1806.3.6　隨機森林　1836.3.7　多層感知機　1866.4　回歸　1896.4.1　最小二乘回歸　1916.4.2　嶺回歸　1946.4.3　Lasso回歸　1956.5　聚類　1986.5.1　K-Means　1996.5.2　層次聚類　2026.5.3　DBSCAN　2056.5.4　GMM　2086.6　模型驗證　2126.6.1　數據集劃分　2126.6.2　交叉驗證　2136.6.3　自動調參　2146.6.4　模型評價　217小結　221課後習題　221第7章　餐飲企業綜合分析與預測　2257.1　餐飲企業需求分析　2257.1.1　餐飲企業現狀與需求　2257.1.2　餐飲企業數據基本狀況　2267.1.3　餐飲企業數據分析的步驟與流程　2277.2　數據準備　2277.2.1　統計每日用餐人數與銷售額　2277.2.2　數據預處理　2297.3　使用K-Means算法進行客戶價值分析　2317.3.1　構建RFM特徵　2317.3.2　構建K-Means模型　2337.3.3　K-Means模型結果分析　2347.4　使用決策樹算法實現餐飲客戶流失預測　2367.4.1　構建客戶流失特徵　2367.4.2　構建客戶流失預測模型　2387.4.3　分析決策樹模型結果　239小結　240課後習題　240第8章　通信運營商用戶流失分析與預測　2428.1　通信運營商用戶流失需求分析　2428.1.1　通信運營商現狀與需求　2428.1.2　通信運營商數據基本情況　2428.1.3　通信運營商用戶流失分析與預測的步驟與流程　2438.2　數據準備　2448.2.1　數據去重與降維　2448.2.2　數據清洗　2458.2.3　數據合並　2478.3　特徵工程　2518.3.1　獨熱編碼　2518.3.2　合並預處理後的數據集　2528.4　使用MLP算法實現通信運營商用戶流失預測　2538.4.1　數據集劃分與數據標準化　2538.4.2　構建用戶流失預測模型　2558.4.3　模型評價　255小結　256課後習題　256

作者介紹

张良均，高级信息系统项目管理师，泰迪杯全国大学生数据挖掘竞赛（www.tipdm.org）的发起人。华南师范大学、广东工业大学兼职教授，广东省工业与应用数学学会理事。兼有大型高科技企业和高校的工作经历，主要从事大数据挖掘及其应用的策划、研发及咨询培训。全国计算机技术与软件专业技术资格（水平）考试继续教育和CDA数据分析师培训讲师。发表数据挖掘相关论文数二十余篇，已取得国家发明专利12项，主编图书《神经网络实用教程》《数据挖掘:实用案例分析》《MATLAB数据分析与挖掘实战》等9本畅销图书，主持并完成科技项目9项。获得SAS、SPSS数据挖掘认证及Hadoop开发工程师证书，具有电力、电信、银行、制造企业、电子商务和电子政务的项目经验和行业背景。