Python机器学习（微课视频版）

作品简介

本书由浅入深、图文并茂地介绍了Python机器学习方面的相关内容，并通过150多个实际案例，手把手地教会读者掌握用Python语言进行机器学习相关项目开发的方法与技巧。书中包含Python语言基础内容、机器学习、人工智能、TensorFlow、Keras、OpenCV等相关API的使用方法，给出的每个案例都可以单独运行，可进行二次开发。

为了提高学习效果，本书为所有案例提供了完整的微课视频和程序代码文件，获取方式见前言。

本书适合学习机器学习算法的初学者，对机器学习、人工智能感兴趣的学生和从业者，以及进行机器学习相关项目开发的工程师阅读参考。

柯博文

美国硅谷的科技公司创业者，LoopTek（录克）公司CTO，拥有20多年的实际开发经验，全球数十家科技公司内训讲师。长期专注于人工智能、移动互联、智能硬件的应用开发。曾任工业和信息化部电子视像行业协会顾问、中国物联网应用与推进联盟智能顾问。致力推广人工智能技术，在全球多个城市定期举办推广活动，做过400余场次的开发技术专题演讲。出版多部畅销图书。

作品目录

• 作者简介
• 内容简介
• 前言
• 第1章　Python程序语言
• 1.1　Python程序语言的介绍
• 1.2　Python历史
• 1.3　Python版本
• 第2章　安装和运行Python开发环境
• 2.1　Windows操作系统中安装Python
• 2.2　Windows操作系统中测试与运行Python
• 2.3　Mac操作系统中安装Python
• 2.4　Mac操作系统中测试与运行Python
• 2.5　Linux和树莓派中安装Python
• 2.6　Linux和树莓派中测试与运行Python
• 第3章　开发程序和工具
• 3.1　我的第一个Python程序（Windows版）
• 3.2　我的第一个Python程序（Mac、Linux和树莓派版）
• 3.3　开发和调试工具——PyCharm下载和安装
• 3.4　PyCharm工具介绍
• 3.5　创建项目
• 3.6　调试
• 3.7　安装其他的Packages函数库
• 3.8　安装Anaconda
• 3.9　使用Anaconda
• 3.10　pip安装包
• 3.11　本书需要安装的第三方函数库列表
• 第4章　Python程序基础
• 4.1　Python注释
• 4.2　Python数据模式
• 4.3　Python数学计算
• 4.4　Python打印
• 4.5　if…else条件判断语句
• 4.6　Array数组——List
• 4.7　range范围
• 4.8　for循环
• 4.9　UTF-8中文文字编码和文字输入
• 4.10　while循环语法
• 第5章　函数和面向对象OOP
• 5.1　开发函数（def）
• 5.2　import导入和开发
• 5.3　类（class）
• 5.4　类的初始化预定义值
• 5.5　类中的函数方法（Method）
• 5.6　类中的属性（Property）
• 5.7　类中调用其他的函数方法
• 5.8　设置公开、私有的类函数方法
• 5.9　把类独立成另一个文件
• 5.10　继承——OOP面向对象
• 5.11　多重继承
• 5.12　调用父类函数
• 5.13　调用父类的属性
• 第6章　窗口处理GUI Tkinter
• 6.1　窗口GUI函数库
• 6.2　窗口
• 6.3　文字Label
• 6.4　显示图片Image
• 6.5　按键Button
• 6.6　消息窗口tkMessageBox
• 6.7　输入框Entry
• 6.8　绘图Canvas
• 第7章　数据容器Containers
• 7.1　List数组
• 7.2　List数组数据的多样性
• 7.3　List的数学处理
• 7.4　Slicing切片
• 7.5　Dictionarie字典
• 7.6　Set序列集集合比较
• 7.7　Tuple序列
• 第8章　图表函数库Matplotlib
• 8.1　Matplotlib介绍
• 8.2　画线
• 8.3　画点
• 8.4　画面切割
• 8.5　显示图片
• 8.6　在窗口程序中显示图表
• 第9章　文件处理和开放数据
• 9.1　开放数据介绍
• 9.2　保存
• 9.3　文件复制、删除和列出所有文件
• 9.4　文件夹
• 9.5　读入Excel文件
• 9.6　读入、处理和存储CSV文件——气象风暴数据
• 第10章　网络
• 10.1　超文本传输协议HTTP GET
• 10.2　超文本传输协议HTTP POST
• 10.3　可扩展标记式语言XML
• 10.4　JSON
• 第11章　数据库
• 11.1　下载和装载MySQL数据库
• 11.2　创建数据库用户——Add User
• 11.3　创建数据库——Add database
• 11.4　打开数据库——MySQL-python和pymysql
• 11.5　创建数据库数据——insert
• 11.6　取得数据——select
• 11.7　删除和修改数据库数据——DELETE和UPDATA
• 第12章　自然语言处理——中文简体和繁体转换
• 12.1　中文分词断词工具
• 12.2　分析文件的文字
• 12.3　自定分词
• 12.4　取出断词位置
• 12.5　移除用词和自定比重分数
• 12.6　排列出最常出现的分词
• 12.7　网络文章的重点
• 第13章　人工智能标记语言AIML
• 13.1　人工智能标记语言AIML介绍
• 13.2　中文机器人
• 13.3　AIML语法教程——随机对话
• 13.4　AIML语法教程——变量
• 第14章　网络服务器
• 14.1　Python网页服务器
• 14.2　开发自己的网页服务器
• 14.3　显示HTTP内容
• 14.4　取得HTTP GET所传递的数据
• 14.5　取得HTTP POST所传递的数据
• 第15章　网络爬虫与BeautifulSoup4
• 15.1　网络爬虫——取得网络文章内容
• 15.2　BeautifulSoup的函数和属性
• 15.3　实战案例——获取柯博文老师的博客文章
• 15.4　实战练习
• 第16章　pandas数据分析和量化投资
• 16.1　安装
• 16.2　使用pandas读入和存储Excel的文件
• 16.3　使用pandas读入和存储CSV的文本内容
• 16.4　读入网络上的表格
• 16.5　DataFrame
• 16.6　计算
• 16.7　实战分析Apple公司股价
• 16.8　统计相关计算
• 16.9　逻辑判断——找出股价高点
• 16.10　计算股价浮动和每月的变化
• 16.11　画出股票的走势图和箱形图
• 第17章　NumPy矩阵运算数学函数库
• 17.1　矩阵数据初始化
• 17.2　NumPy默认数组
• 17.3　多维数组的索引
• 17.4　多维数组的切片
• 17.5　花式索引
• 17.6　数据模式
• 17.7　利用数组进行数据计算处理
• 17.8　统计
• 17.9　逻辑判断
• 17.10　不同尺寸的矩阵相加
• 第18章　使用pyinstaller生成运行文件
• 18.1　pyinstaller功能介绍和安装
• 18.2　pyinstaller安装步骤
• 第19章　机器学习算法——Regression回归分析
• 19.1　数据准备
• 19.2　机器学习的数据准备
• 19.3　回归分析数学介绍
• 19.4　回归分析绘图
• 19.5　随机数数据
• 19.6　残差
• 19.7　使用scikit-learn的linear_model函数求线性回归
• 19.8　实战案例——动物大脑和身体的关系
• 19.9　实战案例——糖尿病数据集
• 第20章　机器学习算法——kNN最近邻居法
• 20.1　kNN数学介绍
• 20.2　使用sklearn的kNN判断水果种类
• 20.3　实战案例——鸢尾花的种类判断
• 第21章　机器学习算法——k-means平均算法
• 21.1　k-means数学介绍
• 21.2　sklearn的k-means类
• 21.3　k-means实战案例
• 21.4　k-means实战案例图形化呈现结果
• 第22章　机器学习算法——决策树算法
• 22.1　决策树数学介绍——Gini系数
• 22.2　sklearn的DecisionTreeClassifier决策树
• 22.3　决策树图形化呈现结果
• 第23章　机器学习算法——随机森林算法
• 23.1　随机森林算法数学原理
• 23.2　随机森林函数
• 23.3　随机森林图形化
• 第24章　机器学习算法——贝叶斯分类器
• 24.1　贝叶斯分类器数学原理
• 24.2　贝叶斯分类器实战案例
• 24.3　贝叶斯分类器图形化
• 24.4　numpy.meshgrid方法
• 24.5　贝叶斯分类器圈选出分类的范围