首页
内容简介
第一部分 准备篇：Python语言入门
- 第一章 Python语言基础
- 1.1 机器学习与Python
- 1.2 Python开发环境
- 1.3 Python快速入门
- 第二章 Python语法基础
- 第三章 数组及矩阵运算库NumPy
- 第四章 科学计算库SciPy
- 4.1 SciPy库介绍及导入
- 4.2 线性代数linalg模块
- 4.3 拟合与求解optimize模块
- 4.4 插值interpolate模块
- 4.5 统计stats模块
- 4.6 应用实例
- 第五章 数据处理库Pandas
- 5.1 Pandas库介绍及导入
- 5.2 Series对象
- 5.3 DataFrame对象
- 5.4 数据操作
- 5.5 数据预处理
- 5.6 应用实例
- 第六章 数据可视化库Matplotlib
- 第七章 机器学习库Scikit-Learn
- 7.1 Scikit-learn库简介及快速入门
- 7.2 数据加载与数据预处理
- 7.3 创建模型
- 7.4 模型拟合及预测
- 7.5 分类模型评估
- 7.6 回归模型评估与交叉验证
- 第八章 机器学习中的数学
- 微积分
- 线性代数
- 概率统计
第二部分 核心篇：机器学习常用算法
监督学习
- K近邻
- 决策树
- 朴素贝叶斯
- 支持向量机
- 线性回归
- 逻辑回归
- 人工神经网络
无监督学习
- K均值
- 主成分分析
- 异常检测
强化学习
第三部分 实践篇：利用算法解决实际问题
- 自然语言处理
- 数据分析流程
- 泰坦尼克号数据分析
- 推荐系统
网友评论