零起點Python機器學習快速入門 零起点Python机器学习快速入门

何海群

立即出貨 (庫存 < 3)

買這商品的人也買了...

相關主題

商品描述

本書採用獨創的黑箱模式,MBA案例教學機制,結合一線實戰案例,介紹Sklearn人工智能模塊庫和常用的機器學習算法。書中配備大量圖表說明,沒有枯燥的數學公式,普通讀者,只要懂Word、Excel,就能夠輕松閱讀全書,並學習使用書中的知識,分析大數據。本書具有以下特色:獨創的黑箱教學模式,全書無任何抽象理論和深奧的數學公式。首次系統化融合Sklearn人工智能軟件和Pandas數據分析軟件,不用再直接使用復雜的Numpy數學矩陣模塊。系統化的Sklearn函數和API中文文檔,可作為案頭工具書隨時查閱。基於Sklearn+Pandas模式,無須任何理論基礎,全程採用MBA案例模式,懂Excel就可看懂。

作者簡介

何海群,網名:字王,CHRD前海智庫CTO,《中華大字庫》發明人,出版書籍20餘部,在人工智能、數據分析等方面具有20年一線專業經驗;zwPython開發平台、zwQuant量化軟件設計師,中國“Python創客”項目和“Python產業聯盟”發起人,國內首個Python量化課程:《Python量化實盤·魔鬼訓練營》創始人,極寬量化開源團隊的創始人。

1990年,發明國內第一個VR數據手套並獲得專利授權,被業界稱為“中國VR之父”;1992年,論文《人工智能與中文字型設計》入選《廣東青年科學家文集》,現已成為中文字庫行業三大基礎建模理論之一;1997年,出版國內首部網絡經濟專著《網絡商戰》;2008年,在北京聯合創辦國內首家4A級網絡公關公司,服務過200餘家國際五百強企業,被公關協會譽為:中國網絡公關事業的開創者與啟蒙者;2012年,發布國內首個自主研發的智能中文字庫設計軟件《x2ttf塗鴉造字》,全功能全免費公益軟件; 2016年,推出國內首套純python開源量化軟件:zwQuant,以及國內首個Tick級別開源金融大數據項目:zwDat金融數據包。

研究成果有:“小數據”理論,快數據模型,黑天鵝算法,GPU超算工作站、MTRD多節點超算集群算法、“1+N”網絡傳播模型、人工智能“足彩圖靈法則”等。

目錄大綱

第1章從阿爾法狗開始說起1 
1.1阿爾法狗的前世今生.......1 
1.2機器學習是什麼.....2 
1.3機器學習大史記.....3 
1.4機器學習經典案例......... 11 


第2章開發環境......13 
2.1數據分析首選Python.....13 
2.2用戶運行平台.......18 
2.3程序目錄結構.......19 
2.4 Spyder編輯器界面設置.20 
2.5 Python命令行模式.........26 
2.6 Notebook模式......27 
2.7模塊庫控制面板...29 
2.8使用pip更新模塊庫......33 


第3章Python入門案例....39 
3.1案例3-1:第一次編程“hello,ziwang” ....39 
3.2案例3-2:增強版“hello,zwiang” ..42 
3.3案例3-3:列舉系統模塊庫清單.......44 
3.4案例3-4:常用繪圖風格.........45 
3.5案例3-5:Pandas常用繪圖風格.......47 
3.6案例3-6:常用顏色表cors.....49 
3.7案例源碼.....50 


第4章Python基本語法... .58 
4.1數據類型.....58 
案例4-1:基本運算.......59 
4.2字符串.........61 
案例4-2:字符串入門... 61 
案例4-3:字 串常用方法.....63 
4.3 List列表......64 
案例4-4:列表操作.......65 
4.4 Tuple元組...66 
案例4-5:元組操作.......67 
4.5 Dictionary字典.....68 
案例4-6:字典操作.......68 
4.6數據類型轉換.......70 
案例4-7:控制語句.......71 
案例4-8:函數定義.......73 
4.7案例源碼.....75 


第5章Python人工智能入門與實踐......85 
5.1從忘卻開始.85 
5.2 Iris經典愛麗絲.....89 
案例5-1:Iris愛麗絲....90 
案例5-2:愛麗絲進化與文本矢量化......... 92 
5.3 AI操作流程95 
5.4數據切割函數.......98 
案例5-3:Iris愛麗絲分解......99 
案例5-4:線性回歸算法.......103 
5.5案例源碼...109 


第6章機器學習經典算法案例(上) . 116 
6.1線性回歸... 116 
6.2邏輯回歸算法.....124 
案例6-1:邏輯回歸算法..... ..125 
6.3樸素貝葉斯算法.127 
案例6-2:貝葉斯算法.129 
6.4 KNN近鄰算法...130 
案例6-3:KNN近鄰算法.....133 
6.5隨機森林算法.. ...135 
案例6-4:隨機森林算 .......139 
6.6案例源碼...140 


第7章機器學習經典算法案例(下) .149 
7.1決策樹算法.........149 
案例7-1:決策樹算法.151 
7.2 GBDT迭代決策樹算法.........153 
案例7-2:GBDT迭代決策樹算法.154 
7.3 SVM向量機.......156 
案例7-3:SVM向量機算法.157 
7.4 SVM-cross向量機交叉算法..159 
案例7-4:SVM-cross向量機交叉算法....160 
7.5神經網絡算法.....161 
案例7-5:MLP神經網絡算法........165 
案例7-6:MLP_reg神經網絡回歸算法...168 
7.6案例源碼...170 


第8章機器學習組合算法.........183 
8.1 CCPP數據集......183 
案例8-1:CCPP數據集........184 
案例8-2:CCPP數據切割....186 
案例8-3:讀取CCPP數據集.. .......189 
8.2機器學習統一接口函數.........192 
案例8-4:機器學習統一接口.........193 
案例8-5:批量調用機器學習算法.201 
案例8-6:一體化調用.205 
8.3模型預製與保存.208 
案例8-7:儲存算法模型.......210 
案例8-8:批量儲存算法 型.........213 
案例8-9:批量加載算法模型.........215 
案例8-10:機器學習組合算法.......219 
8.4案例源碼...224 


附錄A Sklearn常用模塊和函數.242 
附錄B極寬量化系統模塊圖......266