书籍详情

Python与机器学习

Python与机器学习

作者:陈清华

出版社:电子工业出版社

出版时间:2020-03-01

ISBN:9787121381768

定价:¥39.00

购买这本书可以去
内容简介
  使用机器学习技术的产品或服务在我们的生活当中不断普及,被应用于大数据分析、智能驾驶、计算机视觉等领域,并迅速改变生活。本书以掌握一定的Python语言基础为前提,从具体的十一个精简案例切入,由浅入深、循序渐近展开学习机器学习在不同业务领域中的应用,内容上注重实用性和可操作性。具体涵盖了机器学习流程、有监督学习、无监督学习、数据分析与人工智能应用等需要掌握的基本知识和相应技能。
作者简介
  陈清华,女,1983年生,硕士上海交通大学计算机软件与理论硕士毕业,浙江工业大学物联网方向博士在读,温州职业技术学院计算机系大数据专业专任教师。
目录
项目1 电影数据统计\t1
1.1 数据获取\t1
1.2 数据解析\t4
1.3 数据分析\t8
1.4 数据可视化\t10
1.5 课堂实训:工资数据统计\t16
1.6 练习题\t19
项目2 电影数据分析(回归)\t21
2.1 背景知识\t21
2.2 使用一元线性回归分析电影票房数据\t22
2.2.1 一元线性回归\t22
2.2.2 范围缩放\t25
2.2.3 数据集的切分\t26
2.3 使用多项式回归分析电影票房数据\t29
2.4 使用多元线性回归分析电影票房数据\t31
2.5 理解回归分析方法\t34
2.6 课堂实训:工龄与工资相关性分析\t36
2.7 练习题\t39
项目3 数据的爬取\t41
3.1 背景知识\t41
3.2 电影数据的爬取\t42
3.2.1 网络数据一次爬取\t42
3.2.2 网络数据定时爬取\t48
3.2.3 正则表达式\t49
3.3 房屋租赁数据的爬取\t51
3.4 房屋租赁数据的统计\t54
3.5 课堂实训:二手房数据的爬取与统计\t58
3.6 练习题\t59
项目4 房屋租赁数据的分析与可视化\t62
4.1 背景知识\t62
4.2 使用箱形图可视化租赁价格分布特征\t63
4.3 使用散点图可视化房屋面积与租赁价格的关系\t65
4.4 使用饼图可视化不同行政区的可租赁房源占比\t69
4.5 使用折线图可视化房间数与租赁价格的关系\t71
4.6 使用热力图可视化地理位置与租赁价格的关系\t72
4.7 课堂实训:二手房数据的分析与可视化\t75
4.8 练习题\t78
项目5 身高与体重数据分析(分类器)\t80
5.1 背景知识\t80
5.1.1 机器学习\t80
5.1.2 监督学习\t80
5.1.3 分类器\t82
5.2 使用分类方法进行性别分类\t82
5.2.1 逻辑回归\t82
5.2.2 朴素贝叶斯\t88
5.2.3 决策树\t91
5.2.4 支持向量机\t95
5.3 使用支持向量机进行肥胖程度分类\t97
5.4 课堂实训:肥胖分析1\t101
5.5 练习题\t102
项目6 鸢尾花分类\t104
6.1 背景知识\t104
6.2 使用K近邻对鸢尾花进行分类\t105
6.3 使用随机森林对鸢尾花进行分类\t108
6.4 使用神经网络对鸢尾花进行分类\t111
6.5 课堂实训:肥胖分析2\t114
6.6 练习题\t115
项目7 电影评分数据分析(聚类)\t117
7.1 背景知识\t117
7.1.1 无监督学习\t117
7.1.2 聚类\t118
7.1.3 K-Means\t119
7.2 使用DBSCAN确定质心个数\t119
7.3 使用K-Means对观影用户进行聚类\t123
7.4 课堂实训:根据身高、体重和性别对用户进行分类\t127
7.5 练习题\t130

项目8 人脸检测与人脸识别\t132
8.1 背景知识\t132
8.1.1 人工智能\t132
8.1.2 计算机视觉\t133
8.1.3 OpenCV计算机视觉包\t134
8.2 图像中的人脸检测\t135
8.3 视频中的人脸检测\t137
8.4 图像中的人脸识别\t140
8.5 视频中的人脸识别\t143
8.6 课堂实训:眼睛与笑脸检测\t145
8.7 练习题\t146
项目9 手写数字识别应用\t148
9.1 背景知识\t148
9.2 图像数据集准备\t149
9.2.1 MNIST数据集格式\t149
9.2.2 获取MNIST数据集中的图像\t150
9.3 使用支持向量机识别手写数字\t150
9.4 使用神经网络识别手写数字\t154
9.5 课堂实训:使用不同的方法识别手写数字\t155
9.6 练习题\t156
项目10 深度学习在行为识别中的应用\t157
10.1 背景知识\t157
10.1.1 卷积神经网络(CNN)\t157
10.1.2 循环神经网络(RNN)\t159
10.1.3 深度学习的应用\t160
10.2 使用卷积神经网络识别行为\t161
10.2.1 环境准备\t161
10.2.2 数据的获取与解析\t161
10.2.3 数据集分析\t162
10.2.4 卷积神经网络的应用\t162
10.3 使用循环神经网络识别行为\t164
10.4 课堂实训:电影评论数据分析\t166
10.5 练习题\t168
项目11 TensorFlow与神经网络\t169
11.1 背景知识\t169
11.2 设计单层神经网络预测花瓣宽度\t171
11.3 设计多层神经网络实现鸢尾花分类\t174
11.4 课堂实训:卷积神经网络的实现与应用\t177
11.5 练习题\t178
项目12 项目综合实训\t180
12.1 确定数据采集目标\t181
12.2 数据采集与预处理\t182
12.3 数据统计与分析\t183
12.3.1 票房分析\t183
12.3.2 上座率分析\t185
12.3.3 票价分布情况分析\t186
12.3.4 评分数据分析\t186
12.4 数据分析与预测\t187
12.4.1 总场次与票房之间的关系分析\t187
12.4.2 评分相关因素分析与预测\t187
12.5 数据分类应用\t188
12.6 课外拓展实训:二手车数据的获取与市场分析\t189
附录A 环境准备\t191
附录B 本书使用的工具包\t194
参考文献\t195
猜您喜欢

读书导航