《Python机器学习（微课视频版）》内容简介

本书由浅入深、图文并茂地介绍了Python机器学习方面的相关内容，并通过150多个实际案例，手把手地教会读者掌握用Python语言进行机器学习相关项目开发的方法与技巧。书中包含Python语言基础内容、机器学习、人工智能、TensorFlow、Keras、OpenCV等相关API的使用方法，给出的每个案例都可以单独运行，可进行二次开发。
为了提高学习效果，本书为所有案例提供了完整的微课视频和程序代码文件，获取方式见前言。
本书适合学习机器学习算法的初学者，对机器学习、人工智能感兴趣的学生和从业者，以及进行机器学习相关项目开发的工程师阅读参考。
柯博文 美国硅谷的科技公司创业者，LoopTek（录克）公司CTO，拥有20多年的实际开发经验，全球数十家科技公司内训讲师。长期专注于人工智能、移动互联、智能硬件的应用开发。曾任工业和信息化部电子视像行业协会顾问、中国物联网应用与推进联盟智能顾问。致力推广人工智能技术，在全球多个城市定期举办推广活动，做过400余场次的开发技术专题演讲。出版多部畅销图书。

作品目录

作者简介
内容简介
前言
第1章：Python程序语言
1.1、Python程序语言的介绍
1.2、Python历史
1.3、Python版本
第2章：安装和运行Python开发环境
2.1、Windows操作系统中安装Python
2.2、Windows操作系统中测试与运行Python
2.3、Mac操作系统中安装Python
2.4、Mac操作系统中测试与运行Python
2.5、Linux和树莓派中安装Python
2.6、Linux和树莓派中测试与运行Python
第3章：开发程序和工具
3.1、我的第一个Python程序（Windows版）
3.2、我的第一个Python程序（Mac、Linux和树莓派版）
3.3、开发和调试工具——PyCharm下载和安装
3.4、PyCharm工具介绍
3.5、创建项目
3.6、调试
3.7、安装其他的Packages函数库
3.8、安装Anaconda
3.9、使用Anaconda
3.10、pip安装包
3.11、本书需要安装的第三方函数库列表
第4章：Python程序基础
4.1、Python注释
4.2、Python数据模式
4.3、Python数学计算
4.4、Python打印
4.5、if…else条件判断语句
4.6、Array数组——List
4.7、range范围
4.8、for循环
4.9、UTF-8中文文字编码和文字输入
4.10、while循环语法
第5章：函数和面向对象OOP
5.1、开发函数（def）
5.2、import导入和开发
5.3、类（class）
5.4、类的初始化预定义值
5.5、类中的函数方法（Method）
5.6、类中的属性（Property）
5.7、类中调用其他的函数方法
5.8、设置公开、私有的类函数方法
5.9、把类独立成另一个文件
5.10、继承——OOP面向对象
5.11、多重继承
5.12、调用父类函数
5.13、调用父类的属性
第6章：窗口处理GUI
Tkinter
6.1、窗口GUI函数库
6.2、窗口
6.3、文字Label
6.4、显示图片Image
6.5、按键Button
6.6、消息窗口tkMessageBox
6.7、输入框Entry
6.8、绘图Canvas
第7章：数据容器Containers
7.1、List数组
7.2、List数组数据的多样性
7.3、List的数学处理
7.4、Slicing切片
7.5、Dictionarie字典
7.6、Set序列集集合比较
7.7、Tuple序列
第8章：图表函数库Matplotlib
8.1、Matplotlib介绍
8.2、画线
8.3、画点
8.4、画面切割
8.5、显示图片
8.6、在窗口程序中显示图表
第9章：文件处理和开放数据
9.1、开放数据介绍
9.2、保存
9.3、文件复制、删除和列出所有文件
9.4、文件夹
9.5、读入Excel文件
9.6、读入、处理和存储CSV文件——气象风暴数据
第10章：网络
10.1、超文本传输协议HTTP
GET
10.2、超文本传输协议HTTP
POST
10.3、可扩展标记式语言XML
10.4、JSON
第11章：数据库
11.1、下载和装载MySQL数据库
11.2、创建数据库用户——Add
User
11.3、创建数据库——Add
database
11.4、打开数据库——MySQL-python和pymysql
11.5、创建数据库数据——insert
11.6、取得数据——select
11.7、删除和修改数据库数据——DELETE和UPDATA
第12章：自然语言处理——中文简体和繁体转换
12.1、中文分词断词工具
12.2、分析文件的文字
12.3、自定分词
12.4、取出断词位置
12.5、移除用词和自定比重分数
12.6、排列出最常出现的分词
12.7、网络文章的重点
第13章：人工智能标记语言AIML
13.1、人工智能标记语言AIML介绍
13.2、中文机器人
13.3、AIML语法教程——随机对话
13.4、AIML语法教程——变量
第14章：网络服务器
14.1、Python网页服务器
14.2、开发自己的网页服务器
14.3、显示HTTP内容
14.4、取得HTTP
GET所传递的数据
14.5、取得HTTP
POST所传递的数据
第15章：网络爬虫与BeautifulSoup4、15.1、网络爬虫——取得网络文章内容
15.2、BeautifulSoup的函数和属性
15.3、实战案例——获取柯博文老师的博客文章：15.4、实战练习
第16章：pandas数据分析和量化投资
16.1、安装
16.2、使用pandas读入和存储Excel的文件
16.3、使用pandas读入和存储CSV的文本内容
16.4、读入网络上的表格
16.5、DataFrame
16.6、计算
16.7、实战分析Apple公司股价
16.8、统计相关计算
16.9、逻辑判断——找出股价高点
16.10、计算股价浮动和每月的变化
16.11、画出股票的走势图和箱形图
第17章：NumPy矩阵运算数学函数库
17.1、矩阵数据初始化
17.2、NumPy默认数组
17.3、多维数组的索引
17.4、多维数组的切片
17.5、花式索引
17.6、数据模式
17.7、利用数组进行数据计算处理
17.8、统计
17.9、逻辑判断
17.10、不同尺寸的矩阵相加
第18章：使用pyinstaller生成运行文件
18.1、pyinstaller功能介绍和安装
18.2、pyinstaller安装步骤
第19章：机器学习算法——Regression回归分析
19.1、数据准备
19.2、机器学习的数据准备
19.3、回归分析数学介绍
19.4、回归分析绘图
19.5、随机数数据
19.6、残差
19.7、使用scikit-learn的linear_model函数求线性回归
19.8、实战案例——动物大脑和身体的关系
19.9、实战案例——糖尿病数据集
第20章：机器学习算法——kNN最近邻居法
20.1、kNN数学介绍
20.2、使用sklearn的kNN判断水果种类
20.3、实战案例——鸢尾花的种类判断
第21章：机器学习算法——k-means平均算法
21.1、k-means数学介绍
21.2、sklearn的k-means类
21.3、k-means实战案例
21.4、k-means实战案例图形化呈现结果
第22章：机器学习算法——决策树算法
22.1、决策树数学介绍——Gini系数
22.2、sklearn的DecisionTreeClassifier决策树
22.3、决策树图形化呈现结果
第23章：机器学习算法——随机森林算法
23.1、随机森林算法数学原理
23.2、随机森林函数
23.3、随机森林图形化
第24章：机器学习算法——贝叶斯分类器
24.1、贝叶斯分类器数学原理
24.2、贝叶斯分类器实战案例
24.3、贝叶斯分类器图形化
24.4、numpy.meshgrid方法
24.5、贝叶斯分类器圈选出分类的范围