当前位置:首页 > 编程电子书 >

Python机器学习经典实例 PDF 完整版

大小:27.3M已被124人关注 资源下载

Python机器学习经典实例》是一本Python相关的电子书资源,介绍了关于Python、机器学习、Python实例方面的内容,本书是由人民邮电出版社出版,格式为,资源大小27.3M,普拉提克·乔西编写,目前豆瓣、亚马逊、当当、京东等“Python”类电子书综合评分为:7.7分

内容介绍

在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络,等等。

本书是为想用机器学习算法开发应用程序的Python 程序员准备的。它适合Python 初学者阅读,不过熟悉Python 编程方法对体验示例代码大有裨益。

专业评价

用火的Python语言、通过各种各样的机器学习算法来解决实际问题!书中介绍的主要问题如下。

- 探索分类分析算法并将其应用于收入等级评估问题

- 使用预测建模并将其应用到实际问题中

- 了解如何使用无监督学习来执行市场细分

- 探索数据可视化技术以多种方式与数据进行交互

- 了解如何构建推荐引擎

- 理解如何与文本数据交互并构建模型来分析它

- 使用隐马尔科夫模型来研究语音数据并识别语音

目录

  • 第1章 监督学习  1
  • 1.1 简介  1
  • 1.2 数据预处理技术  2
  • 1.2.1 准备工作  2
  • 1.2.2 详细步骤  2
  • 1.3 标记编码方法  4
  • 1.4 创建线性回归器  6
  • 1.4.1 准备工作  6
  • 1.4.2 详细步骤  7
  • 1.5 计算回归准确性  9
  • 1.5.1 准备工作  9
  • 1.5.2 详细步骤  10
  • 1.6 保存模型数据  10
  • 1.7 创建岭回归器  11
  • 1.7.1 准备工作  11
  • 1.7.2 详细步骤  12
  • 1.8 创建多项式回归器  13
  • 1.8.1 准备工作  13
  • 1.8.2 详细步骤  14
  • 1.9 估算房屋价格  15
  • 1.9.1 准备工作  15
  • 1.9.2 详细步骤  16
  • 1.10 计算特征的相对重要性  17
  • 1.11 评估共享单车的需求分布  19
  • 1.11.1 准备工作  19
  • 1.11.2 详细步骤  19
  • 1.11.3 更多内容  21
  • 第2章 创建分类器  24
  • 2.1 简介  24
  • 2.2 建立简单分类器  25
  • 2.2.1 详细步骤  25
  • 2.2.2 更多内容  27
  • 2.3 建立逻辑回归分类器  27
  • 2.4 建立朴素贝叶斯分类器  31
  • 2.5 将数据集分割成训练集和测试集  32
  • 2.6 用交叉验证检验模型准确性  33
  • 2.6.1 准备工作  34
  • 2.6.2 详细步骤  34
  • 2.7 混淆矩阵可视化  35
  • 2.8 提取性能报告  37
  • 2.9 根据汽车特征评估质量  38
  • 2.9.1 准备工作  38
  • 2.9.2 详细步骤  38
  • 2.10 生成验证曲线  40
  • 2.11 生成学习曲线  43
  • 2.12 估算收入阶层  45
  • 第3章 预测建模  48
  • 3.1 简介  48
  • 3.2 用SVM建立线性分类器  49
  • 3.2.1 准备工作  49
  • 3.2.2 详细步骤  50
  • 3.3 用SVM建立非线性分类器  53
  • 3.4 解决类型数量不平衡问题  55
  • 3.5 提取置信度  58
  • 3.6 寻找最优超参数  60
  • 3.7 建立事件预测器  62
  • 3.7.1 准备工作  62
  • 3.7.2 详细步骤  62
  • 3.8 估算交通流量  64
  • 3.8.1 准备工作  64
  • 3.8.2 详细步骤  64
  • 第4章 无监督学习——聚类  67
  • 4.1 简介  67
  • 4.2 用k-means算法聚类数据  67
  • 4.3 用矢量量化压缩图片  70
  • 4.4 建立均值漂移聚类模型  74
  • 4.5 用凝聚层次聚类进行数据分组  76
  • 4.6 评价聚类算法的聚类效果  79
  • 4.7 用DBSCAN算法自动估算集群数量  82
  • 4.8 探索股票数据的模式  86
  • 4.9 建立客户细分模型  88
  • 第5章 构建推荐引擎  91
  • 5.1 简介  91
  • 5.2 为数据处理构建函数组合  92
  • 5.3 构建机器学习流水线  93
  • 5.3.1 详细步骤  93
  • 5.3.2 工作原理  95
  • 5.4 寻找最近邻  95
  • 5.5 构建一个KNN分类器  98
  • 5.5.1 详细步骤  98
  • 5.5.2 工作原理  102
  • 5.6 构建一个KNN回归器  102
  • 5.6.1 详细步骤  102
  • 5.6.2 工作原理  104
  • 5.7 计算欧氏距离分数  105
  • 5.8 计算皮尔逊相关系数  106
  • 5.9 寻找数据集中的相似用户  108
  • 5.10 生成电影推荐  109
  • 第6章 分析文本数据  112
  • 6.1 简介  112
  • 6.2 用标记解析的方法预处理数据  113
  • 6.3 提取文本数据的词干  114
  • 6.3.1 详细步骤  114
  • 6.3.2 工作原理  115
  • 6.4 用词形还原的方法还原文本的基本形式  116
  • 6.5 用分块的方法划分文本  117
  • 6.6 创建词袋模型  118
  • 6.6.1 详细步骤  118
  • 6.6.2 工作原理  120
  • 6.7 创建文本分类器  121
  • 6.7.1 详细步骤  121
  • 6.7.2 工作原理  123
  • 6.8 识别性别  124
  • 6.9 分析句子的情感  125
  • 6.9.1 详细步骤  126
  • 6.9.2 工作原理  128
  • 6.10 用主题建模识别文本的模式  128
  • 6.10.1 详细步骤  128
  • 6.10.2 工作原理  131
  • 第7章 语音识别  132
  • 7.1 简介  132
  • 7.2 读取和绘制音频数据  132
  • 7.3 将音频信号转换为频域  134
  • 7.4 自定义参数生成音频信号  136
  • 7.5 合成音乐  138
  • 7.6 提取频域特征  140
  • 7.7 创建隐马尔科夫模型  142
  • 7.8 创建一个语音识别器  143
  • 第8章 解剖时间序列和时序数据  147
  • 8.1 简介  147
  • 8.2 将数据转换为时间序列格式  148
  • 8.3 切分时间序列数据  150
  • 8.4 操作时间序列数据  152
  • 8.5 从时间序列数据中提取统计数字  154
  • 8.6 针对序列数据创建隐马尔科夫模型  157
  • 8.6.1 准备工作  158
  • 8.6.2 详细步骤  158
  • 8.7 针对序列文本数据创建条件随机场  161
  • 8.7.1 准备工作  161
  • 8.7.2 详细步骤  161
  • 8.8 用隐马尔科夫模型分析股票市场数据  164
  • 第9章 图像内容分析  166
  • 9.1 简介  166
  • 9.2 用OpenCV-Pyhon操作图像  167
  • 9.3 检测边  170
  • 9.4 直方图均衡化  174
  • 9.5 检测棱角  176
  • 9.6 检测SIFT特征点  178
  • 9.7 创建Star特征检测器  180
  • 9.8 利用视觉码本和向量量化创建特征  182
  • 9.9 用极端随机森林训练图像分类器  185
  • 9.10 创建一个对象识别器  187
  • 第10章 人脸识别  189
  • 10.1 简介  189
  • 10.2 从网络摄像头采集和处理视频信息  189
  • 10.3 用Haar级联创建一个人脸识别器  191
  • 10.4 创建一个眼睛和鼻子检测器  193
  • 10.5 做主成分分析  196
  • 10.6 做核主成分分析  197
  • 10.7 做盲源分离  201
  • 10.8 用局部二值模式直方图创建一个人脸识别器  205
  • 第11章 深度神经网络  210
  • 11.1 简介  210
  • 11.2 创建一个感知器  211
  • 11.3 创建一个单层神经网络  213
  • 11.4 创建一个深度神经网络  216
  • 11.5 创建一个向量量化器  219
  • 11.6 为序列数据分析创建一个递归神经网络  221
  • 11.7 在光学字符识别数据库中将字符可视化  225
  • 11.8 用神经网络创建一个光学字符识别器  226
  • 第12章 可视化数据  230
  • 12.1 简介  230
  • 12.2 画3D散点图  230
  • 12.3 画气泡图  232
  • 12.4 画动态气泡图  233
  • 12.5 画饼图  235
  • 12.6 画日期格式的时间序列数据  237
  • 12.7 画直方图  239
  • 12.8 可视化热力图  241
  • 12.9 动态信号的可视化模拟  242

以上就是本次介绍的Python相关电子书的全部内容,希望我们整理的资源能够帮助到大家,更多相关的电子书资源可以下面的相关资源中查找。

展开 +

收起 -

下载地址:百度网盘下载
网友留言
网友NO.491854

Python机器学习k-近邻算法(K Nearest Neighbor)实例详解

本文实例讲述了Python机器学习k-近邻算法。分享给大家供大家参考,具体如下: 工作原理 存在一份训练样本集,并且每个样本都有属于自己的标签,即我们知道每个样本集中所属于的类别。输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的特征进行比较,然后提取样本集中与之最相近的k个样本。观察并统计这k个样本的标签,选择数量最大的标签作为这个新数据的标签。 用以下这幅图可以很好的解释kNN算法: 不同形状的点,为不同标签的点。其中绿色点为未知标签的数据点。现在要对绿色点进行预测。由图不难得出: 如果k=3,那么离绿色点最近的有2个红色三角形和1个蓝色的正方……

网友NO.889697

python机器学习包mlxtend的安装和配置详解

今天看到了mlxtend的包,看了下example集成得非常简洁。还有一个吸引我的地方是自带了一些data直接可以用,省去了自己造数据或者找数据的处理过程,所以决定安装体验一下。 依赖环境 首先,sudo pip install mlxtend 得到基础环境。 然后开始看看系统依赖问题的解决。大致看了下基本都是python科学计算用的那几个经典的包,主要是numpy,scipy,matplotlib,sklearn这些。 LINUX环境下的话,一般这些都比较好装pip一般都能搞定。 这里要说的一点是matplotlib的话,pip装的时候提示我的几个问题是png和一个叫Freetype的包被需要,但是装的时候又出现问题。所以matplotlib最后选择用 sudo apt-get install python-matplotlib 直接解决依赖问……

普拉提克·乔西

彭志泽 提供上传

资源
43
粉丝
5
喜欢
1320
评论
3

Copyright 2020-2021 www.fuhao321.com 编程软件库