更新时间：2023-03-28 17:52:21
封面
版权信息
内容提要
前言
第Ⅰ篇 机器学习入门篇
第1章 机器学习入门之机器学习基础
1.1 做第一个吃螃蟹的人——理解机器学习
1.2 机器学习研究的主要任务
1.3 如何选择合适的算法
1.4 机器学习研究问题的一般步骤
1.5 小结
第Ⅱ篇 工具模块使用篇
第2章 机器学习模块之数组计算NumPy
2.1 从“人机大战”谈NumPy模块的妙用
2.2 NumPy模块的数组对象
2.3 NumPy模块中数组的广播
2.4 NumPy模块中数组的操作
2.5 通用方法：快速的元素级数组方法
2.6 利用数组进行运算
2.7 数组文件的输入和输出
2.8 小结
第3章 机器学习模块之数据分析Pandas
3.1 Pandas数据结构的介绍
3.2 Pandas数据结构中的基本数据操作
3.3 数据处理
3.4 方法的应用与映射
3.5 数据的读取和存储
3.6 字符串操作
3.7 合并数据集
3.8 小结
第4章 机器学习模块之图形展示Matplotlib
4.1 Matplotlib绘图入门
4.2 Matplotlib的绘图方法
4.3 小结
第Ⅲ篇 专业技能提升篇
第5章 机器学习算法之算法综述
5.1 从算法巧断小说悬疑情节
5.2 KNN算法概述
5.3 KNN实战示例：对美颜程度打分
5.4 KNN实战示例：手写字识别系统
5.5 KNN算法面试题解答
5.6 KNN算法自测题
5.7 小结
第6章 机器学习算法之决策树
6.1 巧断推理案引入决策树的妙用
6.2 决策树算法概述
6.3 决策树创建实战示例：公司老板发红包
6.4 决策树画法实战示例：公司老板发红包
6.5 决策树测试存储实战示例：公司老板发红包
6.6 决策树预测实战示例：预测海选歌手是否入围
6.7 决策树的剪枝
6.8 决策树面试题解答
6.9 决策树自测题
6.10 小结
第7章 机器学习算法之朴素贝叶斯
7.1 解决逃命问题引入朴素贝叶斯
7.2 对贝叶斯决策的理解
7.3 使用朴素贝叶斯进行商品的情感分析
7.4 实战示例：金庸和古龙小说风格判别
7.5 朴素贝叶斯面试题解答
7.6 朴素贝叶斯自测题
7.7 小结
第8章 机器学习算法之逻辑回归
8.1 巧析力道学引入逻辑回归
8.2 逻辑回归概述
8.3 逻辑回归实战示例：鸢尾花分类实现逻辑回归
8.4 逻辑回归实战示例：商铺扣点方式
8.5 逻辑回归算法面试题解答
8.6 逻辑回归算法自测题
8.7 小结
第9章 机器学习算法之支持向量机
9.1 巧分落花引入支持向量机
9.2 SVM算法概念
9.3 SVM算法实战示例:电视台黄金时段节目满意度
9.4 SVM算法面试题解答
9.5 SVM算法自测题
9.6 小结
第10章 机器学习算法之AdaBoost
10.1 巧析北斗阵法引入AdaBoost
10.2 AdaBoost算法概述
10.3 AdaBoost算法实现
10.4 AdaBoost算法实战示例：商品购买预测
10.5 AdaBoost算法面试题解答
10.6 AdaBoost算法自测题
10.7 小结
第11章 机器学习算法之线性回归
11.1 解决论剑问题引入线性回归
11.2 线性回归算法概述
11.3 线性回归实战示例：钓鱼久坐与鱼重量关系
11.4 线性回归中的过拟合和欠拟合
11.5 局部加权线性回归
11.6 线性回归实战示例：结合年龄和BMI拟合减肥花销
11.7 线性回归提高：岭回归和套索回归
11.8 岭回归实战示例：分析抖音视频点击率和收藏
11.9 线性回归算法面试题解答
11.10 线性回归算法自测题
11.11 小结
第12章 机器学习算法之k-means
12.1 “巧施反间计”引入k-means聚类
12.2 k-means算法概述
