Python机器学习经典实例PDF|Epub|txt|kindle电子书版本网盘下载

Python机器学习经典实例PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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