作品简介

本书对机器学习算法的基本原理和Python程序实现进行了系统的介绍,每种算法都采用Sklearn程序实现并用Matplotlib进行数据可视化。为了帮助读者更加高效、直观地学习,作者为本书录制了13个微课视频,读者可以用手机扫描书中的二维码进行观看,也可以将视频下载后进行观看。

本书共8章,包括机器学习概述、Python机器学习与可视化、关联规则与推荐算法、聚类算法、分类算法、回归与逻辑回归、人工神经网络、支持向量机等内容。

本书可以作为高等院校机器学习和人工智能概论等课程的教材,也可作为机器学习算法入门读者的自学用书,还可以作为人工智能等领域机器学习研究者和应用人员的参考书。

唐四薪,毕业于中南大学,获计算机专业硕士研究生学位。现为衡阳师范学院计算机学院双师型教师,从事大数据分析和网页制作的教学与研究,主讲“云计算与大数据技术”等课程,主持两项省级课题和多项地厅级课题。2012年开发的“电子商务安全”网络课程获湖南省现代教育技术应用竞赛三等奖,2012年申报的“电子商务专业网站开发类系列教材的建设”成果获衡阳师范学院教学成果三等奖。独立编写《基于Web标准的网页设计与制作》一书,以第一作者的身份在《生物数学学报》《生物信息学》《计算机系统应用》《计算机工程与科学》等杂志上发表多篇论文。

作品目录

  • 前言
  • 第1章 机器学习概述
  • 1.1 机器学习的概念和步骤
  • 1.2 机器学习的预处理环节
  • 1.3 机器学习的类型
  • 1.4 机器学习的发展历史和应用领域
  • 1.5 习题
  • 第2章 Python机器学习与可视化
  • 2.1 Python程序入门
  • 2.2 Python数据分析工具
  • 2.3 数据可视化—基于Matplotlib库
  • 2.4 SciPy库
  • 2.5 sklearn库
  • 2.6 习题
  • 第3章 关联规则与推荐算法
  • 3.1 关联规则挖掘
  • 3.2 推荐系统及算法
  • 3.3 利用协同过滤推荐算法实现电影节目推荐
  • 3.4 习题
  • 第4章 聚类
  • 4.1 聚类的原理与实现
  • 4.2 层次聚类算法
  • 4.3 K-means聚类算法
  • 4.4 K-medoids聚类算法
  • 4.5 DBSCAN聚类算法
  • 4.6 利用聚类算法实现车牌识别
  • 4.7 习题
  • 第5章 分类
  • 5.1 分类的基本原理
  • 5.2 K-近邻算法
  • 5.3 朴素贝叶斯分类算法
  • 5.4 决策树分类算法
  • 5.5 随机森林分类算法
  • 5.6 利用运动手环数据预测身体姿态
  • 5.7 习题
  • 第6章 回归与逻辑回归
  • 6.1 线性回归
  • 6.2 逻辑回归
  • 6.3 逻辑回归模型的sklearn实现
  • 6.4 利用逻辑回归模型预测贷款违约行为
  • 6.5 习题
  • 第7章 人工神经网络
  • 7.1 神经元与感知机
  • 7.2 人工神经网络的核心要素
  • 7.3 人工神经网络的sklearn实现
  • 7.4 深度学习与深度神经网络
  • 7.5 利用神经网络进行手写数字识别
  • 7.6 习题
  • 第8章 支持向量机
  • 8.1 支持向量机的理论基础
  • 8.2 支持向量机的sklearn实现
  • 8.3 利用支持向量机实现人脸识别
  • 8.4 习题
  • 参考文献
展开全部