Python機(jī)器學(xué)習(xí)入門：機(jī)器學(xué)習(xí)算法的理論與實(shí)踐

目錄
譯者的話
原書前言
第1章閱讀本書前的準(zhǔn)備
1.1Python的安裝
1.1.1何為Python
1.1.2Homebrew的安裝
1.1.3Python3的安裝
1.1.4虛擬環(huán)境的創(chuàng)建
1.1.5為何使用venv（為何不用pyenv、anaconda）
1.2Python的使用方法
1.2.1輸出Hello World！
1.2.2IPython的使用
1.2.3四則運(yùn)算
1.2.4字符串的使用
1.2.5列表類型的使用
1.2.6字典類型的使用
1.2.7其他數(shù)據(jù)類型
1.2.8條件分支
1.2.9循環(huán)
1.2.10函數(shù)的使用
1.2.11類的使用
1.2.12標(biāo)準(zhǔn)庫的使用
1.3Jupyter Notebook的安裝和使用
1.3.1Jupyter Notebook的安裝和啟動
1.3.2Jupyter Notebook的使用
1.4NumPy、scikit-learn、matplotlib、Pandas的使用
1.4.1NumPy的安裝和使用
1.4.2scikit-learn的安裝和使用
1.4.3matplotlib的安裝和使用
1.4.4Pandas的安裝和使用
第2章機(jī)器學(xué)習(xí)在實(shí)際中的使用
2.1在工作中運(yùn)用機(jī)器學(xué)習(xí)
2.1.1關(guān)于機(jī)器學(xué)習(xí)
2.1.2輸入輸出的格式化
2.1.3分析任務(wù)的本質(zhì)
2.1.4實(shí)際問題的分析案例
2.2用樣本數(shù)據(jù)嘗試有監(jiān)督學(xué)習(xí)
2.2.1嘗試分類的案例
2.2.2運(yùn)用決策樹分類
2.2.3嘗試解決實(shí)際問題
2.2.4解決實(shí)際問題的注意要點(diǎn)
2.3用樣本數(shù)據(jù)嘗試無監(jiān)督學(xué)習(xí)
2.3.1無監(jiān)督學(xué)習(xí)
2.3.2使用樣本嘗試scikit-learn
2.4小結(jié)
第3章機(jī)器學(xué)習(xí)基礎(chǔ)理論
3.1數(shù)學(xué)知識的準(zhǔn)備
3.1.1本節(jié)的學(xué)習(xí)流程
3.1.2為什么數(shù)學(xué)是必要的
3.1.3集合和函數(shù)基礎(chǔ)
3.1.4線性代數(shù)基礎(chǔ)
3.1.5微分基礎(chǔ)
3.1.6概率統(tǒng)計(jì)基礎(chǔ)
3.2機(jī)器學(xué)習(xí)的基礎(chǔ)
3.2.1機(jī)器學(xué)習(xí)的目的
3.2.2技術(shù)性的假設(shè)和用語
3.2.3有監(jiān)督學(xué)習(xí)概述
3.2.4從泛化誤差看有監(jiān)督學(xué)習(xí)
3.2.5無監(jiān)督學(xué)習(xí)概述
3.3有監(jiān)督學(xué)習(xí)
3.3.1分類模型的精度評價
3.3.2邏輯回歸
3.3.3神經(jīng)網(wǎng)絡(luò)
3.3.4梯度提升決策樹
3.4無監(jiān)督學(xué)習(xí)
3.4.1混合高斯模型
3.4.2k-均值
3.4.3層次聚類
3.4.4核密度估計(jì)
3.4.5t-SNE
第4章數(shù)據(jù)的整合與處理
4.1機(jī)器學(xué)習(xí)中數(shù)據(jù)的使用流程
4.2數(shù)據(jù)的獲取和整合
4.2.1數(shù)據(jù)結(jié)構(gòu)的理解
4.2.2從結(jié)構(gòu)化數(shù)據(jù)中讀取數(shù)據(jù)
4.2.3讀取數(shù)據(jù)
4.2.4分組聚合
4.2.5時間格式的操作方法
4.2.6合并
4.3數(shù)據(jù)的格式化
4.3.1數(shù)據(jù)種類的理解
4.3.2標(biāo)準(zhǔn)化
4.3.3缺省值
4.4非結(jié)構(gòu)化數(shù)據(jù)的處理
4.4.1文本數(shù)據(jù)的預(yù)處理
4.4.2終端中MeCab的應(yīng)用
4.4.3Python中MeCab的應(yīng)用
4.4.4圖片數(shù)據(jù)的處理
4.5不平衡數(shù)據(jù)的處理
4.5.1分類問題中的不平衡數(shù)據(jù)
4.5.2數(shù)據(jù)不平衡問題
4.5.3一般的處理方法
4.5.4樣本權(quán)重的調(diào)整
4.5.5降采樣法