《Python机器学习算法与应用》内容简介

本书理论与实践相结合，详细阐述机器学习数据特征与分类算法，基于Python 3精心编排大量的机器学习场景与开源平台应用，高效利用Python 3代码翔实地阐释机器学习核心算法及其工具的场景应用。本书分为6章，主要内容包括机器学习概述、数据特征、分类算法、项目，以及在机器学习平台Kaggle与PaddlePaddle上实现分类、预测及推荐等实战操作。本书适合机器学习的研究人员、计算机或数学等相关从业者参考学习，也可以作为计算机或数学等专业本科高年级或研究生专业用书。
邓立国，东北大学计算机应用博士毕业。2005年开始在沈阳师范大学软件学院、教育技术学院任教，主要研究方向：数据挖掘、知识工程、大数据处理、云计算、分布式计算等。以第一作者发表学术论文30多篇（26篇EI），主编教材1部，主持科研课题6项，经费10余万元，多次获得校级科研优秀奖，作为九三社员提出的智慧城市提案被市政府采纳，研究成果被教育厅等单位采用。

作品目录

内容简介
前言
第1章：机器学习概述
1.1、机器学习定义
1.2、机器学习的发展
1.3、机器学习的分类
1.4、机器学习的研究领域
1.5、本章小结
第2章：机器学习数据特征
2.1、数据分布性
2.2、数据相关性
2.3、数据聚类性
2.4、数据主成分分析
2.5、数据动态性
2.6、数据可视化
2.7、本章小结
第3章：机器学习分类算法
3.1、数据清洗和特征选择
3.2、决策树、随机森林
3.3、SVM
3.4、聚类算法
3.5、EM算法
3.6、贝叶斯算法
3.7、隐马尔可夫模型
3.8、LDA主题模型
3.9、人工神经网络
3.10、KNN算法
3.11、本章小结
第4章：Python机器学习项目
4.1、SKlearn
4.2、TensorFlow
4.3、Theano
4.4、Caffe
4.5、Gensim
4.6、Pylearn2、4.7、Shogun
4.8、Chainer
4.9、NuPIC
4.10、Neon
4.11、Nilearn
4.12、Orange3、4.13、PyMC与PyMC3、4.14、PyBrain
4.15、Fuel
4.16、PyMVPA
4.17、Annoy
4.18、Deap
4.19、Pattern
4.20、Requests
4.21、Seaborn
4.22、本章小结
第5章：Kaggle平台机器学习实战
5.1、Kaggle信用卡欺诈检测
5.2、Kaggle机器学习案例
5.3、本章小结
第6章：PaddlePaddle平台机器学习实战
6.1、PaddlePaddle平台安装
6.2、PaddlePaddle平台手写体数字识别
6.3、PaddlePaddle平台图像分类
6.4、PaddlePaddle平台词向量
6.5、PaddlePaddle平台个性化推荐
6.6、PaddlePaddle平台情感分析
6.7、本章小结
参考文献