Python與機器學習

陳清華,翁正秋

  • 出版商: 電子工業
  • 出版日期: 2020-03-01
  • 售價: $234
  • 貴賓價: 9.5$222
  • 語言: 簡體中文
  • 頁數: 193
  • 裝訂: 平裝
  • ISBN: 7121381761
  • ISBN-13: 9787121381768
  • 相關分類: Machine Learning 機器學習

立即出貨

買這商品的人也買了...

商品描述

機器學習技術被廣泛應用於大數據分析、智能駕駛、計算機視覺等領域,並加速改變我們的生活。
該書以掌握一定的Python語言基礎為前提,從具體的精簡案例切入,
由淺入深、循序漸進地介紹機器學習在不同業務領域中的應用,內容上註重實用性和可操作性。
該書具體涵蓋了機器學習、監督學習、無監督學習、數據分析與人工智能應用等基本知識和相應技能。


《Python與機器學習》可作為大數據、人工智能、電子商務、
軟件技術等專業的高職學生和應用型本科學生機器學習、數據分析的入門教材,
也可作為Python提高教程,為機器學習方法的深入解讀奠定基礎。
此外,該書還可作為工程技術人員學習與實踐的參考書。

作者簡介

陳清華

女,1983年生,碩士上海交通大學計算機軟件與理論碩士畢業,
浙江工業大學物聯網方向博士在讀,溫州職業技術學院計算機系大數據專業專任教師。

目錄大綱

項目1電影數據統計1
1.1數據獲取1
1.2數據解析4
1.3數據分析8
1.4數據可視化10
1.5課堂實訓:工資數據統計16
1.6練習題19

項目2電影數據分析(回歸) 21
2.1背景知識21
2.2使用一元線性回歸分析電影票房數據22
2.2.1一元線性回歸22
2.2.2範圍縮放25
2.2.3數據集的切分26
2.3使用多項式回歸分析電影票房數據29
2.4使用多元線性回歸分析電影票房數據31
2.5理解回歸分析方法34
2.6課堂實訓:工齡與工資相關性分析36
2.7練習題39

項目3數據的爬取41
3.1背景知識41
3.2電影數據的爬取42
3.2.1網絡數據一次爬取42
3.2.2網絡數據定時爬取48
3.2 .3正則表達式49
3.3房屋租賃數據的爬取51
3.4房屋租賃數據的統計54
3.5課堂實訓:二手房數據的爬取與統計58
3.6練習題59

項目4房屋租賃數據的分析與可視化62
4.1背景知識62
4.2使用箱形圖可視化租賃價格分佈特徵63
4.3使用散點圖可視化房屋面積與租賃價格的關係65
4.4使用餅圖可視化不同行政區的可租賃房源佔比69
4.5使用折線圖可視化房間數與租賃價格的關係71
4.6使用熱力圖可視化地理位置與租賃價格的關係72
4.7課堂實訓:二手房數據的分析與可視化75
4.8練習題78

項目5身高與體重數據分析(分類器) 80
5.1背景知識80
5.1.1機器學習80
5.1.2監督學習80
5.1.3分類器82
5.2使用分類方法進行性別分類82
5.2.1邏輯回歸82
5.2.2樸素貝葉斯88
5.2.3決策樹91
5.2.4支持向量機95
5.3使用支持向量機進行肥胖程度分類97
5.4課堂實訓:肥胖分析1 101
5.5練習題102

項目6鳶尾花分類104
6.1背景知識104
6.2使用K近鄰對鳶尾花進行分類105
6.3使用隨機森林對鳶尾花進行分類 108
6.4使用神經網絡對鳶尾花進行分類111
6.5課堂實訓:肥胖分析2 114
6.6練習題115

項目7電影評分數據分析(聚類) 117
7.1背景知識117
7.1.1無監督學習117
7.1.2聚類118
7.1.3 K-Means 119
7 .2使用DBSCAN確定質心個數119
7.3使用K-Means對觀影用戶進行聚類123
7.4課堂實訓:根據身高、體重和性別對用戶進行分類127
7.5練習題130


項目8人臉檢測與人臉識別132
8.1背景知識132
8.1.1人工智能132
8.1.2計算機視覺133
8.1.3 OpenCV計算機視覺包134
8.2圖像中的人臉檢測135
8.3視頻中的人臉檢測137
8.4圖像中的人臉識別140
8.5視頻中的人臉識別143
8.6課堂實訓:眼睛與笑臉檢測145
8.7練習題146
項目9手寫數字識別應用148
9.1背景知識148
9.2圖像數據集準備149
9.2.1 MNIST數據集格式149
9.2.2獲取MNIST數據集中的圖像150
9.3使用支持向量機識別手寫數字150
9.4使用神經網絡識別手寫數字154
9.5課堂實訓:使用不同的方法識別手寫數字155
9.6練習題156

項目10深度學習在行為識別中的應用157
10.1背景知識157
10. 1.1卷積神經網絡(CNN) 157
10.1.2循環神經網絡(RNN) 159
10.1.3深度學習的應用160
10.2使用卷積神經網絡識別行為161
10.2.1環境準備161
10.2.2數據的獲取與解析161
10.2.3數據集分析162
10.2.4卷積神經網絡的應用162
10.3使用循環神經網絡識別行為164
10.4課堂實訓:電影評論數據分析166
10.5練習題168

項目11 TensorFlow與神經網絡169
11.1背景知識169
11.2設計單層神經網絡預測花瓣寬度171
11.3設計多層神經網絡實現鳶尾花分類174
11.4課堂實訓:卷積神經網絡的實現與應用177
11.5練習題178

項目12項目綜合實訓180
12.1確定數據採集目標181
12.2數據採集與預處理182
12.3數據統計與分析183
12.3.1票房分析183
12.3.2上座率分析185
12.3.3票價分佈情況分析186
12.3.4評分數據分析186
12.4數據分析與預測187
12.4.1總場次與票房之間的關係分析187
12.4.2評分相關因素分析與預測187
12.5數據分類應用188
12.6課外拓展實訓:二手車數據的獲取與市場分析189
附錄A環境準備191
附錄B本書使用的工具包194
參考文獻195