python在機器學習中的應用（簡體書）

《基於python的人工智能基礎及實戰》一書是一本零基礎入門教程，教你如何從一名計算機編程小白，到一名能夠操縱當下流行的、最新版的python3.6語言，再入門人工智能，最後自己動手深入各類小應用項目實戰。本書由淺入項目(根本沒有“深”)，只要你能跟著本書自己敲代碼，轉換角色是遲早的事――從崇拜者到被崇拜者。全書共八章。第1章至第3章介紹python入門知識；第4章介紹圖像識別方法與案例；第5章介紹人臉識別技術及應用，掌握對opencv庫的基本操作；第6章介紹語音識別技術；第7章介紹開源庫的發佈流程和操作；第8章介紹具體的分析實戰案例。通俗的語言，小白式的操作，配備講解視頻，讓你在閱讀本書時，能夠輕鬆、愉悅地提升自己的python技能。書中示例詳細，並給出了具體的可修改的代碼，讓讀者能夠自由的在python涉及的領域自由地展翅翱翔。

餘本國，2001年畢業於石河子大學數學系，2012年加拿大約克大學訪學一年，現任教於中北大學，碩導，著有《感受加拿大遊學周記》和《Python數據分析基礎》教程。

第1 章 機器學習簡介

1.1 機器學習的任務

1.2 機器學習的三種方式

1.3 機器學習系統的建立

1.4 機器學習實例

第2 章 Python 常用庫介紹

2.1 Python 的安裝(Anaconda)

2.1.1 Spyder

2.1.2 Jupyter Notebook

2.2 Python 常用庫

2.2.1 Numpy 庫

2.2.2 Pandas 庫

2.2.3 Matplotlib 庫

2.2.4 Statsmodels 庫

2.2.5 Scikit-learn 庫

2.3 其他Python 常用的數據庫

2.4 Python 各種庫在機器學習中的應用

第3 章 數據的準備和探索

3.1 數據預處理

3.2 數據假設檢驗

3.3 數據間的關係

3.4 數據可視化

3.5 特徵提取和降維

第4 章 模型訓練和評估

4.1 模型訓練技巧

4.2 分類效果的評價

4.3 回歸模型評價

4.4 聚類分析評估

第5 章 回歸分析

5.1 回歸分析簡介

5.2 多元線性回歸分析

5.2.1 多元線性回歸

5.2.2 逐步回歸

5.3 Lasso 回歸分析

5.4 Logistic 回歸分析

5.5 時間序列預測

第6 章 關聯規則

6.1 關聯規則簡介

6.2 使用關聯規則找到問卷的規則

6.3 關聯規則可視化

第7 章 無監督學習

7.1 無監督學習介紹

7.2 系統聚類

7.3 K- 均值聚類

7.4 密度聚類

7.5 Mean Shift 聚類

7.6 字典學習圖像去噪

第8 章 文本LDA 模型

8.1 文本分析簡介

8.2 中文分詞

8.3 LDA 主題模型分析《紅樓夢》

8.4 紅樓夢人物關係

第9 章 決策樹和集成學習

9.1 模型簡介

9.2 泰坦尼克號數據預處理

9.3 決策樹模型

9.4 決策樹剪枝

9.5 隨機森林模型

9.6 AdaBoost 模型

第10 章 樸素貝葉斯和K近鄰分類

10.1 模型簡介

10.2 垃圾郵件數據預處理

10.3 貝葉斯模型識別垃圾郵件

10.4 基於異常值檢測的垃圾郵件查找

10.4.1 PCA 異常值檢測

10.4.2 Isolation Forest 異常值檢測

10.5 數據不平衡問題的處理

10.6 K 近鄰分類

第11 章 支持向量機和神經網絡

11.1 模型簡介

11.2 肺癌數據可視化

11.3 支持向量機模型

11.4 全連接神經網絡

第12 章 深度學習入門

12.1 深度學習介紹

12.2 卷積和池化

12.3 CNN 人臉識別

12.4 CNN 人臉檢測

12.5 深度卷積圖像去噪

12.5.1 空洞卷積

12.5.2 圖像與圖像塊的相互轉換

12.5.3 一種深度學習去噪方法