人工智能開(kāi)發(fā)叢書(shū)--Python機(jī)器學(xué)習(xí)集錦
定 價(jià)：95 元
叢書(shū)名：人工智能開(kāi)發(fā)叢書(shū)
- 作者：潘風(fēng)文、龐資勝 編著
- 出版時(shí)間：2023/7/1
- ISBN：9787122433923
- 出 版 社：化學(xué)工業(yè)出版社
- 中圖法分類：TP311.561
- 頁(yè)碼：310
- 紙張：
- 版次：01
- 開(kāi)本：16開(kāi)
Python是一種面向?qū)ο蟮哪_本語(yǔ)言，廣泛應(yīng)用于Web 開(kāi)發(fā)、網(wǎng)絡(luò)編程、爬蟲(chóng)開(kāi)發(fā)、自動(dòng)化運(yùn)維、云計(jì)算、人工智能、科學(xué)計(jì)算等領(lǐng)域。本書(shū)是作者長(zhǎng)期應(yīng)用Python進(jìn)行機(jī)器學(xué)習(xí)開(kāi)發(fā)實(shí)踐的經(jīng)驗(yàn)結(jié)晶，主要內(nèi)容包括Python數(shù)據(jù)讀取的技巧，數(shù)據(jù)探索性分析，數(shù)據(jù)預(yù)處理，特征選擇，特征選擇的常用技巧，算法模型，sklearn類庫(kù)，Python中數(shù)據(jù)可視化的常用方法等。本書(shū)具有針對(duì)性、系統(tǒng)性、實(shí)操性強(qiáng)，原創(chuàng)度高的特點(diǎn)，讀者對(duì)代碼進(jìn)行簡(jiǎn)單修改，就可以直接拿來(lái)使用。
本書(shū)適合于具有一定Python基礎(chǔ)，且有志于從事機(jī)器學(xué)習(xí)、人工智能開(kāi)發(fā)的讀者使用。
1 數(shù)據(jù)讀取 1
1.1 數(shù)據(jù)讀取常見(jiàn)問(wèn)題 2
1.2 核心代碼 4
1.2.1 讀取Excel、csv、txt、json數(shù)據(jù) 4
1.2.2 讀取docx文件和查詢關(guān)鍵詞 5
1.2.3 讀取日志、圖像、聲音、視頻 7
1.2.4 Oracle、MySQL數(shù)據(jù)讀取 13
1.2.5 讀取Hive數(shù)據(jù) 18
1.2.6 數(shù)據(jù)導(dǎo)出到本地 19
2 數(shù)據(jù)探索性分析 20
2.1 數(shù)據(jù)查看 21
2.2 數(shù)據(jù)統(tǒng)計(jì) 22
2.3 數(shù)據(jù)分組分析 23
2.4 相關(guān)性分析 24
2.5 典型案例 25
3 數(shù)據(jù)預(yù)處理 28
3.1 注意問(wèn)題 30
3.2 核心代碼 31
3.2.1 缺失值檢測(cè)和處理 31
3.2.2 異常值檢測(cè)和處理 34
3.2.3 數(shù)據(jù)標(biāo)準(zhǔn)化規(guī)范化正則化 38
3.2.4 數(shù)據(jù)平滑處理 41
3.2.5 樣本類別分布不均衡處理 47
3.2.6 數(shù)據(jù)降維 51
3.2.7 訓(xùn)練集驗(yàn)證集切分 56
3.3 典型案例 66
3.3.1 原理 66
3.3.2 代碼 68
4 特征選擇 69
4.1 過(guò)濾式特征提取 70
4.2 遞歸特征消除 73
4.3 嵌入式特征提取 74
4.4 典型案例 76
5 算法建模 79
5.1 主流數(shù)據(jù)挖掘算法 82
5.1.1 有監(jiān)督學(xué)習(xí) 82
5.1.2 無(wú)監(jiān)督學(xué)習(xí) 193
5.2 自動(dòng)化調(diào)參 212
5.2.1 暴力搜索尋優(yōu) 213
5.2.2 隨機(jī)搜索尋優(yōu) 217
5.3 組合分類模型器 221
5.3.1 原理 221
5.3.2 函數(shù)及代碼 221
5.4 典型案例 226
5.4.1 人臉識(shí)別 227
5.4.2 多方程模型預(yù)測(cè) 232
6 可視化 237
6.1 基本圖形 239
6.1.1 折線圖 239
6.1.2 面積圖 248
6.1.3 柱形圖 253
6.1.4 散點(diǎn)圖 268
6.1.5 餅圖 279
6.2 分析圖形 280
6.2.1 詞云圖 280
6.2.2 相似度熱力圖 285
6.2.3 箱式分布圖 291
6.2.4 對(duì)應(yīng)分析圖 306
書(shū)單推薦
