Python 機器學習實戰

裔雋, 張懌檬, 張目清, 等

Python 機器學習實戰
  • 出版商: 科學技術文獻出版社
  • 出版日期: 2018-01-01
  • 定價: $408
  • 售價: 8.5 折 $347
  • 語言: 簡體中文
  • 頁數: 310
  • 裝訂: 平裝
  • ISBN: 7518938081
  • ISBN-13: 9787518938087
  • 相關分類: Machine Learning

    • 下單後立即進貨 (約4週~6週)

買這商品的人也買了...

商品描述

《Python機器學習實戰》共分為四個部分，前兩部分介紹了Python開發實戰的基礎知識及編程技巧，後兩部分則在機器學習算法基礎上通過對實際應用案例的介紹和分析，使讀者獲得機器學習算法應用的項目經驗。靠前部分探討了Python程序開發過程中涉及的幾個主要方面，第二部分展示了Python的一些不錯編程技巧，第三部分介紹了機器學習的基礎知識背景，第四部分通過對實際機器學習案例深入淺出的剖析，介紹Python機器學習建模過程。

作者簡介

裔雋
現任匯付天下旗下上海匯付數據服務有限公司產品與信息中心副總經理，負責互聯網金融、移動應用、機器學習、數據倉庫、大數據平台等研發工作。畢業於華東師範大學心理學系，曾任職上海銀行、銀聯電子支付有限公司和中國汽車網，在技術開發與項目管理、產品設計與用戶體驗、數據倉庫等方面擁有逾20年經驗。
張懌檬，賓夕法尼亞大學社會工作碩士，現任上海匯付數據服務有限公司算法工程師，研究方向為機器學習在金融行業的應用，主要從事圖像識別、業務數據挖掘、風險預測等相關工作。
 

目錄大綱

第一部分Python開發實戰
第一章開發環境選擇與比較
1.1PyCharm介紹
1.2Jupyter Notebook介紹
1.3Sublime Text介紹
1.4Visual Studio Code介紹

第二章Anaconda使用介紹
2.1Anaconda介紹
2.2使用conda管理Python虛擬環境

第三章開發規範與方法
3.1PEP 8規範
3.2Git介紹和使用
3.3敏捷思想與方法

第四章單元測試與代碼覆蓋率
4.1測試驅動開發
4.2單元測試的概念和原則
4.3單元測試實例

第二部分Python編程技巧
第五章列表生成式
5.1使用列表生成式代替循環語句
5.2列表生成式的概念
5.3字典和集合的生成式
5.4列表生成式實際例子
5.5速度比拼

第六章Collections庫
6.1namedtuple 
6.2deque 
6.3defaultdict 
6.4OrderedDict 
6.5Counter 

第七章迭代器
7.1可迭代對象Iterable
7.2迭代器Iterator 
7.3Itertools模塊

第八章Python多線程與多進程淺析
8.1多線程引言
8.2線程
8.3Python是解釋性語言
8.4Python線程切換機制
8.5Python線程安全
8.6Python多線程step by step 
8.7多進程方式
8.8基於I／O的多線程
8.9小結

第九章Python程序性能分析初步
9.1編程語言和性能
9.2Node.js和V8編譯引擎
9.3為web服務而生的Go語言
9.4服務端性能指標
9.5用裝飾器記錄執行時間
9.6函數執行時間分析和cProfile 
9.7分析每一行代碼的執行時間
9.8內存佔用分析
9.9圖示化分析多線程的執行時間
9.10CPU等性能測試

第三部分Python機器學習基礎
第十章機器學習基礎
10.1什麼是機器學習
10.2機器學習的五大流派
10.36種類型的機器學習算法
10.4機器學習項目基本流程
10.5機器學習語言

第十一章主要算法概覽
第十二章K近鄰算法
12.1K近鄰算法概述
12.2距離度量
12.3算法過程
12.4KNN算法3個要素
12.5算法的優缺點
12.6示例Demo：使用K近鄰分類
12.7小結
12.8擴展閱讀

第十三章主成分分析
13.1降維技術
13.2主成分分析概述
13.3算法過程
13.4算法的優缺點
13.5示例Demo：利用PCA進行圖像壓縮
13.6小結
13.7擴展閱讀

第十四章邏輯回歸
14.1邏輯回歸算法概述
14.2Sigmoid函數、可能性比率與邏輯回歸公式
14.3算法過程
14.4算法的優缺點
14.5示例Demo：使用邏輯回歸進行二分類
14.6小結
14.7擴展閱讀

第十五章樸素貝葉斯分類器
15.1貝葉斯定理概述
15.2樸素貝葉斯分類器
15.3拉普拉斯修正與數值型特徵的處理
15.4算法的優缺點
15.5示例Demo：使用樸素貝葉斯進行二分類
15.6小結
15.7擴展閱讀

第十六章決策樹算法
16.1決策樹算法概述
16.2CART算法與基尼指數
16.3算法過程
16.4算法的優缺點
16.5示例Demo：使用CART分類
16.6小結
16.7擴展閱讀

第十七章支持向量機
17.1支持向量機概述
17.2從簡單的二分類說起
17.3算法過程
17.4使用核函數解決線性不可分問題
17.5算法的優缺點
17.6示例Demo：使用支持向量機分類圖片
17.7小結
17.8擴展閱讀

第十八章K—Means聚類
18.1聚類分析簡介
18.2聚類算法的類型
18.3樣本相似性的度量
18.4K—Means聚類
18.5算法過程
18.6算法的優缺點
18.7示例Demo：使用K—Means聚類分析
18.8小結
18.9擴展閱讀

第十九章人工神經網絡
19.1神經網絡概述
19.2神經網絡關鍵概念
19.3單層感知囂和多層感知器
19.4算法過程
19.5算法的優缺點
19.6小結
19.7擴展閱讀
19.8示例Demo：卷積神經網絡識別手寫數字圖片

第二十章如何選擇合適的算法
第二十一章Python機器學習工具

第四部分Python機器學習實例
第二十二章基於RFM的P2P用戶聚類模型
第二十三章文本的主題分類
第二十四章利用機器翻譯實現自然語言查詢
第二十五章身份證漢字和數字識別
第二十六章人臉識別

類似商品