《Python机器学习算法与实战》内容简介

《Python机器学习算法与实战》基于Python语言，结合实际的数据集，介绍如何使用机器学习与深度学习算法，对数据进行实战分析。本书在内容上循序渐进，先介绍了Python的基础内容，以及如何利用Python中的第三方库对数据进行预处理和探索可视化的相关操作，然后结合实际数据集，分章节介绍了机器学习与深度学习的相关算法应用。
《Python机器学习算法与实战》为读者提供了源程序和使用的数据集，方便读者在阅读时同步运行程序，在增强学习效果的同时为读者节省了编写程序的时间。源程序使用Notebook的形式进行组织，每个小节注释清晰，讲解透彻。同时为程序配备了相应的视频讲解，辅助读者加强对程序的理解和消化。本书在简明扼要地介绍算法原理的同时，更加注重实战应用和对结果的解读。
《Python机器学习算法与实战》适合需要掌握机器学习与深度学习基础的读者，学习完本书后，读者将会具备选择合适算法，完成对自有数据集的预处理、建模分析与预测的能力，并且会对机器学习与深度学习算法有更深的理解。
余本国，博士，硕士研究生导师，现工作于海南医学院生物医学信息与工程学院。主讲高等数学、微积分、Python语言、大数据分析基础等课程。2012年到加拿大York University做访问学者。出版《Python数据分析基础》《基于Python的大数据分析基础及实战》《Python在机器学习中的应用》《Pytorch深度学习入门与实战》《Python编程与数据分析应用》等书。
孙玉林，现于西安电子科技大学人工智能学院博士在读。长期从事大数据统计分析、机器学习与计算机视觉等方面的研究，曾获得多次数学建模与数据挖掘比赛一等奖。出版有《Python在机器学习中的应用》《R语言统计分析与机器学习》《Pytorch深度学习入门与实战》等著作。

作品目录

内容简介
前言
第1章：Python机器学习入门
1.1、机器学习简介
1.2、安装Anaconda（Python）
1.3、Python快速入门
1.4、Python基础库入门实战
1.5、机器学习模型初探
1.6、本章小结
第2章：数据探索与可视化
2.1、缺失值处理
2.2、数据描述与异常值发现
2.3、可视化分析数据关系
2.4、数据样本间的距离
2.5、本章小结
第3章：特征工程
3.1、特征变换
3.2、特征
3.3、特征选择
3.4、特征提取和降维
3.5、数据平衡方法
3.6、本章小结
第4章：模型选择和评估
4.1、模型拟合效果
4.2、模型训练技巧
4.3、模型的评价指标
4.4、本章小结
第5章：假设检验和回归分析
5.1、假设检验
5.2、一元回归
5.3、多元回归
5.4、正则化回归分析
5.5、Logistic回归分析
5.6、本章小结
第6章：时间序列分析
6.1、时间序列数据的相关检验
6.2、移动平均算法
6.3、ARIMA模型
6.4、SARIMA模型
6.5、Prophet模型预测时间序列
6.6、多元时间序列ARIMAX模型
6.7、时序数据的异常值检测
6.8、本章小结
第7章：聚类算法与异常值检测
7.1、模型简介
7.2、数据聚类分析
7.3、数据异常值检测分析
7.4、本章小结
第8章：决策树和集成学习
8.1、模型简介与数据准备
8.3、随机森林模型
8.4、AdaBoost模型
8.5、梯度提升树（GBDT）
8.6、本章小结
第9章：贝叶斯算法和K-近邻算法
9.1、模型简介
9.2、贝叶斯分类算法
9.3、贝叶斯网络数据分类
9.4、K-近邻算法
9.5、本章小结
第10章：支持向量机和人工神经网络
10.1、模型简介
10.2、支持向量机模型
10.3、全连接神经网络模型
10.4、本章小结
第11章：关联规则与文本挖掘
11.1、模型简介
11.2、数据关联规则挖掘
11.3、文本数据预处理
11.4、文本聚类分析
11.5、《三国演义》人物关系分析
11.6、本章小结
第12章：深度学习入门
12.1、深度学习介绍
12.2、PyTorch入门
12.3、卷积神经网络识别草书
12.4、循环神经网络新闻分类
12.5、自编码网络重构图像
12.6、本章小结
参考文献