《Python机器学习实战:真实智能案例实践指南》PDF电子书免费下载

作者:  [印度] 迪潘简·撒卡尔(Dipanjan Sarkar)

出版社: 机械工业出版社

出版年: 2021年05月

ISBN: 9787111669739

~~滚到底部有网盘下载链接~~

内容简介

目录

目录
原书序言
原书前言
译者简介

第1部分 理解机器学习
第1章 机器学习基础 // 2
1.1 机器学习的需求 // 3
1.2 理解机器学习 // 6
1.3 计算机科学 // 12
1.4 数据科学 // 14
1.5 数学 // 15
1.6 统计学 // 20
1.7 数据挖掘 // 22
1.8 人工智能 // 22
1.9 自然语言处理 // 23
1.10 深度学习 // 24
1.11 机器学习方法 // 29
1.12 监督学习 // 30
1.13 无监督学习 // 33
1.14 半监督学习 // 36
1.15 强化学习 // 37
1.16 批量学习 // 37
1.17 在线学习 // 38
1.18 基于实例的学习 // 38
1.19 基于模型的学习 // 39
1.20 CRISP-DM处理模型 // 39
1.21 构建机器智能 // 45
1.22 真实案例研究:预测学生获取推荐 // 47
1.23 机器学习的挑战 // 55
1.24 机器学习的现实应用 // 55
1.25 总结 // 56

第2章  Python机器学习生态系统 // 57
2.1 Python简介 // 57
2.2 Python机器学习生态系统简介 // 62
2.3 总结 // 100

第2部分 机器学习流程
第3章  数据的处理、重整以及可视化 // 102
3.1 数据收集 // 103
3.2 数据描述 // 116
3.3 数据重整 // 117
3.4 数据汇总 // 128
3.5 数据可视化 // 130 3.6
总结 // 152

第4章 特征工程和特征选择 // 153
4.1 特征:更好地理解你的数据 // 154
4.2 重温机器学习流程 // 155
4.3 特征提取和特征工程 // 156
4.4 数值型数据的特征工程 // 160
4.5 分类型数据的特征工程 // 174
4.6 文本型数据的特征工程 // 183
4.7 时态型数据的特征工程 // 193
4.8 图像型数据的特征工程 // 197
4.9 特征缩放 // 211
4.10 特征选择 // 214
4.11 特征降维 // 221
4.12 总结 // 224

第5章 构建、调优和模型的部署 // 225
5.1 构建模型 // 226
5.2 模型评估 // 239
5.3 模型调优 // 248
5.4 模型解释 // 259
5.5 模型部署 // 265
5.6 总结 // 267

第3部分 真实案例研究
第6章 共享单车趋势分析 // 270
6.1 共享单车数据集 // 270
6.2 问题陈述 // 271
6.3 探索性数据分析 // 271
6.4 回归分析 // 278
6.5 建模 // 280
6.6 下一步 // 291
6.7 总结 // 292

第7章 电影影评的情感分析 // 293
7.1 问题陈述 // 294
7.2 设置依赖项 // 294
7.3 获取数据 // 295
7.4 文字的预处理与标准化 // 295
7.5 无监督的以词典为基础的模型 // 298
7.6 使用监督学习进行情感分类 // 306
7.7 传统的有监督的机器学习模型 // 308
7.8 较新的有监督的深度学习模型 // 310
7.9 高级的有监督的深度学习模型 // 316
7.10 分析情感的因果关系 // 323
7.11 总结 // 332

第8章  顾客分类和有效的交叉销售 /333/
8.1 在线零售交易记录数据集 // 333
8.2 探索性数据分析 // 334
8.3 顾客分类 // 337
8.4 交叉销售 // 350
8.5 总结 // 361

第9章 分析酒的类型和质量 // 362
9.1 问题陈述 // 362
9.2 设置依赖项 // 363
9.3 获取数据 // 363
9.4 探索性数据分析 // 364
9.5 预测建模 // 378
9.6 预测葡萄酒类型 // 379
9.7 预测葡萄酒质量 // 385
9.8 总结 // 397

第10章 分析音乐趋势和推荐 // 398
10.1 百万歌曲数据集品味画像 // 398
10.2 探索性数据分析 // 399
10.3 推荐引擎 // 407
10.4 推荐引擎库的注意事项 // 415
10.5 总结 // 416

第11章 预测股票和商品价格 // 417
11.1 时序数据及时序分析 // 417
11.2 预测黄金价格 // 423
11.3 股票价格预测 // 432
11.4 总结 // 445

第12章 计算机视觉深度学习 // 447
12.1 卷积神经网络 // 447
12.2 使用 CNN进行图像分类 // 448
12.3 使用 CNN的艺术风格转换 // 457
12.4 总结 // 467
显示部分信息

下载价格:免费
立即下载
登入/注册
知识就是力量
没有账号? 忘记密码?