包郵 Python機器學(xué)習(xí)編程與實戰(zhàn)林耀進等

作者：林耀進等

出版社：人民郵電出版社出版時間：2020-07-01

開本： 16開 頁數(shù)： 272

本類榜單：計算機/網(wǎng)絡(luò)銷量榜

中圖價:¥32.4(6.5折) 定價 ~~¥49.8~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用

全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用

¥14.4¥45
>
決戰(zhàn)行測5000題(言語理解與表達)

決戰(zhàn)行測5000題(言語理解與表達)

¥44.1¥88
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路

軟件性能測試.分析與調(diào)優(yōu)實踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續(xù)交付

JAVA持續(xù)交付

¥58.1¥119
>
EXCEL最強教科書(完全版)(全彩印刷)

EXCEL最強教科書(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學(xué)習(xí)

深度學(xué)習(xí)

¥92.4¥168

商品詳情
商品評論(0條)

中圖價:¥32.4 加入購物車

版權(quán)信息
本書特色
內(nèi)容簡介
目錄
作者簡介

Python機器學(xué)習(xí)編程與實戰(zhàn)林耀進等版權(quán)信息

ISBN：9787115532534
條形碼：9787115532534 ; 978-7-115-53253-4
裝幀：一般膠版紙
冊數(shù)：暫無
重量：暫無
所屬分類：
計算機/網(wǎng)絡(luò)
>
軟件工程/開發(fā)項目管理

Python機器學(xué)習(xí)編程與實戰(zhàn)林耀進等本書特色

全書大部分章節(jié)緊扣實際需求展開，不堆積知識點，著重于解決問題時思路的啟發(fā)與方案的實施，幫助讀者真正理解與消化Python機器學(xué)習(xí)編程與實戰(zhàn)。書中案例全部源于企業(yè)真實項目，可操作性強，引導(dǎo)讀者融會貫通，并提供源代碼等相關(guān)學(xué)習(xí)資源，幫助讀者快速掌握Python機器學(xué)習(xí)相關(guān)技能。

Python機器學(xué)習(xí)編程與實戰(zhàn)林耀進等內(nèi)容簡介

本書采用常用技術(shù)與真實案例相結(jié)合的講解方式，深入淺出地介紹了Python機器學(xué)習(xí)應(yīng)用的主要內(nèi)容。全書共8章，內(nèi)容包括Python概述、NumPy數(shù)值計算、pandas基礎(chǔ)、pandas進階、Matplotlib繪圖、scikit-learn、餐飲企業(yè)綜合分析與預(yù)測、通信運營商客戶流失分析與預(yù)測。前6章設(shè)置了選擇題、填空題和操作題，后兩章設(shè)置了操作題，希望通過練習(xí)和操作實踐，讀者可以鞏固所學(xué)的內(nèi)容。本書可以作為高校大數(shù)據(jù)或人工智能專業(yè)的教材，也可作為機器學(xué)習(xí)愛好者的自學(xué)用書。

Python機器學(xué)習(xí)編程與實戰(zhàn)林耀進等目錄

第 1章 Python概述　1
1．1　Python簡介　1
1．1．1　Python語言　1
1．1．2　Python與機器學(xué)習(xí)　1
1．1．3　Python環(huán)境配置　2
1．2　Python基礎(chǔ)知識　5
1．2．1　固定語法　5
1．2．2　運算符　6
1．2．3　數(shù)據(jù)類型　9
1．2．4　Python I/O　14
1．3　控制語句　17
1．3．1　條件語句　18
1．3．2　循環(huán)語句　20
1．4　函數(shù)　22
小結(jié)　25
課后習(xí)題　26
第　2章 NumPy數(shù)值計算　28
2．1　ndarray的創(chuàng)建與索引　28
2．1．1　創(chuàng)建ndarray　28
2．1．2　ndarray的索引和切片　33
2．2　ndarray的基礎(chǔ)操作　36
2．2．1　變換ndarray的形態(tài)　36
2．2．2　排序與搜索　42
2．3　ufunc　46
2．3．1　ufunc的廣播機制　46
2．3．2　常用ufunc運算　47
小結(jié)　54
課后習(xí)題　54
第3章　pandas基礎(chǔ)　56
3．1　pandas常用類　56
3．1．1　Series　56
3．1．2　DataFrame　60
3．1．3　Index　64
3．2　DataFrame基本操作　65
3．2．1　索引　66
3．2．2　排序　70
3．2．3　合并　73
3．3　其他數(shù)據(jù)類型操作　78
3．3．1　時間操作　78
3．3．2　文本操作　87
3．3．3　category操作　90
小結(jié)　93
課后習(xí)題　93
第4章　pandas進階　95
4．1　數(shù)據(jù)的讀取與寫出　95
4．1．1　CSV　95
4．1．2　Excel　97
4．1．3　數(shù)據(jù)庫　98
4．2　DataFrame進階　101
4．2．1　統(tǒng)計分析　101
4．2．2　分組運算　106
4．2．3　透視表和交叉表　111
4．3　數(shù)據(jù)準(zhǔn)備　113
4．3．1　缺失值處理　113
4．3．2　重復(fù)數(shù)據(jù)處理　117
4．3．3　連續(xù)特征離散化處理　118
4．3．4　啞變量處理　120
小結(jié)　122
課后習(xí)題　122
第5章　Matplotlib繪圖　124
5．1　Matplotlib繪圖基礎(chǔ)　124
5．1．1　編程風(fēng)格　124
5．1．2　動態(tài)rc參數(shù)　128
5．2　分析特征關(guān)系常用圖形　133
5．2．1　散點圖　133
5．2．2　折線圖　135
5．3　分析特征內(nèi)部數(shù)據(jù)狀態(tài)常用
圖形　137
5．3．1　直方圖與條形圖　138
5．3．2　餅圖　140
5．3．3　箱線圖　142
小結(jié)　144
課后習(xí)題　144
第6章　scikit-learn　146
6．1　數(shù)據(jù)準(zhǔn)備　146
6．1．1　標(biāo)準(zhǔn)化　146
6．1．2　歸一化　149
6．1．3　二值化　150
6．1．4　獨熱編碼　151
6．2　降維　153
6．2．1　PCA　154
6．2．2　ICA　158
6．2．3　LDA　162
6．3　分類　166
6．3．1　Logistic回歸　166
6．3．2　SVM　171
6．3．3　決策樹　174
6．3．4　KNN　178
6．3．5　樸素貝葉斯　180
6．3．6　隨機森林　183
6．3．7　多層感知機　186
6．4　回歸　189
6．4．1　*小二乘回歸　191
6．4．2　嶺回歸　194
6．4．3　Lasso回歸　195
6．5　聚類　198
6．5．1　K-Means　199
6．5．2　層次聚類　202
6．5．3　DBSCAN　205
6．5．4　GMM　208
6．6　模型驗證　212
6．6．1　數(shù)據(jù)集劃分　212
6．6．2　交叉驗證　213
6．6．3　自動調(diào)參　214
6．6．4　模型評價　217
小結(jié)　221
課后習(xí)題　221
第7章　餐飲企業(yè)綜合分析與預(yù)測　225
7．1　餐飲企業(yè)需求分析　225
7．1．1　餐飲企業(yè)現(xiàn)狀與需求　225
7．1．2　餐飲企業(yè)數(shù)據(jù)基本狀況　226
7．1．3　餐飲企業(yè)數(shù)據(jù)分析的步驟與流程　227
7．2　數(shù)據(jù)準(zhǔn)備　227
7．2．1　統(tǒng)計每日用餐人數(shù)與銷售額　227
7．2．2　數(shù)據(jù)預(yù)處理　229
7．3　使用K-Means算法進行客戶價值分析　231
7．3．1　構(gòu)建RFM特征　231
7．3．2　構(gòu)建K-Means模型　233
7．3．3　K-Means模型結(jié)果分析　234
7．4　使用決策樹算法實現(xiàn)餐飲客戶流失預(yù)測　236
7．4．1　構(gòu)建客戶流失特征　236
7．4．2　構(gòu)建客戶流失預(yù)測模型　238
7．4．3　分析決策樹模型結(jié)果　239
小結(jié)　240
課后習(xí)題　240
第8章　通信運營商用戶流失分析與預(yù)測　242
8．1　通信運營商用戶流失需求分析　242
8．1．1　通信運營商現(xiàn)狀與需求　242
8．1．2　通信運營商數(shù)據(jù)基本情況　242
8．1．3　通信運營商用戶流失分析與預(yù)測的步驟與流程　243
8．2　數(shù)據(jù)準(zhǔn)備　244
8．2．1　數(shù)據(jù)去重與降維　244
8．2．2　數(shù)據(jù)清洗　245
8．2．3　數(shù)據(jù)合并　247
8．3　特征工程　251
8．3．1　獨熱編碼　251
8．3．2　合并預(yù)處理后的數(shù)據(jù)集　252
8．4　使用MLP算法實現(xiàn)通信運營商用戶流失預(yù)測　253
8．4．1　數(shù)據(jù)集劃分與數(shù)據(jù)標(biāo)準(zhǔn)化　253
8．4．2　構(gòu)建用戶流失預(yù)測模型　255
8．4．3　模型評價　255
小結(jié)　256
課后習(xí)題　256

展開全部

Python機器學(xué)習(xí)編程與實戰(zhàn)林耀進等作者簡介

張良均，高級信息系統(tǒng)項目管理師，泰迪杯全國大學(xué)生數(shù)據(jù)挖掘競賽（www.tipdm.org）的發(fā)起人。華南師范大學(xué)、廣東工業(yè)大學(xué)兼職教授，廣東省工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會理事。兼有大型高科技企業(yè)和高校的工作經(jīng)歷，主要從事大數(shù)據(jù)挖掘及其應(yīng)用的策劃、研發(fā)及咨詢培訓(xùn)。全國計算機技術(shù)與軟件專業(yè)技術(shù)資格（水平）考試繼續(xù)教育和CDA數(shù)據(jù)分析師培訓(xùn)講師。發(fā)表數(shù)據(jù)挖掘相關(guān)論文數(shù)二十余篇，已取得國家發(fā)明專利12項，主編圖書《神經(jīng)網(wǎng)絡(luò)實用教程》《數(shù)據(jù)挖掘:實用案例分析》《MATLAB數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》等9本暢銷圖書，主持并完成科技項目9項。獲得SAS、SPSS數(shù)據(jù)挖掘認證及Hadoop開發(fā)工程師證書，具有電力、電信、銀行、制造企業(yè)、電子商務(wù)和電子政務(wù)的項目經(jīng)驗和行業(yè)背景。

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦