机器学习实战——基于Python SKlearn的解析

图书标准信息

• 作者 屈希峰；党武娟
• 出版社 中国铁道出版社
• 出版时间 2022-06
• 版次 1
• ISBN 9787113291693
• 定价 89.80元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 228页
• 字数 350.000千字

【内容简介】

机器学习实战——基于Python SKlearn的解析 本书前6章介绍基础准备、数据探索、数据预处理、机器学习模型（分类、回归、聚类）、集成学习、模型评估及持久化；第7章介绍机器学习在土木工程中的应用场景，并以五个工程案例系统化讲解SKlearn库的应用。 本书“轻原理、重实践”，适合广大对机器学习有兴趣，并且想系统学习数理统计的读者；也可用作机器学习培训、高校教材或作为学习SKlearn库的工具书。

【作者简介】

     屈希峰，七年Python技术开发相关经验。2017年，使用Flask、MongoDB开发网站；2018年开发微信小程序：注册土木、注道、爱伴读等，其中微信小程序注册土木累计关注者1.2万人；2019年开发Windows桌面应用文字表格公式识别神器.exe，累计用户3千余人。使用Python期间，在知乎开设专栏记录经验，当前知乎关注者2.25万，其中编程专栏关注者4千余人。在工作中，探索Python编程在土木工程工程中的应用，对BIM、GIS以及数值分析软件的二次开发都有涉猎，现阶段工作重心在于如何将物联网及机器学习应用到土木行业智能检测和监测领域。

【目录】

章基础准备

1.1机器学

1.1.1机器学概述

1.1.2机器学任务

1.1.3机器学经验

1.1.4机器学能

1.2python编程

1.2.1python

1.2.2numpy和scipy

1.2.3matplotlib

1.2.4pandas

1.2.5sklearm

1.2.6yellowbrick

1.3python环境配置

1.3.1安装anaconda

1.3.2运行jupyternotebook

第2章数据探索

2.1数据读取和保存

2.1.1txt数据

2.1.2csv数据

2.1.3xls数据

2.1.4sol数据

2.1.5nosol数据

2.2数据特征分析

2.2.1描述统计

2.2.2分布分析

2.2.3对比分析

2.2.4相关分析

第3章数据预处理

3.1数据清洗

3.1.1缺失值处理

3.1.2异常值处理

3.1.3数据一致处理

3.2数据变换

3.2.1二元化

3.2.2独热码

3.2.3标准化

3.2.4正则化

3.2.5数据变换应用

3.3数据降维

3.3.1主成分分析

3.3.2线判别分析

3.3.3多维缩放降维

3.3.4流形学

3.4特征选取

3.4.1过滤式特征选取

3.4.2包裹式特征选取

3.4.3嵌入式特征选取

3.5数据降维与特征选取的差别

第4章机器学模型

4.1线模型

4.1.1线回归模型

4.1.2逻辑回归模型

4.2决策树

4.2.1回归决策树

4.2.2分类决策树

4.3贝叶斯分类器

4.3.1高斯贝叶斯分类器

4.3.2多项式贝叶斯分类器

4.3.3伯努利贝叶斯分类器

4.4knn

4.4.1knn分类

4.4.2knn回归

4.5聚类

4.5.1k均值聚类

4.5.2密度聚类

4.5.3层次聚类

4.5.4高斯混合聚类

4.6支持向量机

4.6.1线分类

4.6.2非线分类

4.6.3线回归

4.6.4非线回归

第5章集成学

5.1常用的集成学方法——adaboost

5.1.1分类

5.1.2回归

5.2梯度提升树

5.2.1gbdt算法的分类类——gradientboostingclassifier

5.2.2gbdt算法的回归类——gradientboostingregressor

5.3森林

5.3.1randomforestclassifier模型

5.3.2randomforestregressor模型

第6章模型评估及持久化

6.1损失函数

6.1.10-1损失

6.1.2对数损失

6.2数据切分

6.2.1train-test-split()方法

6.2.2kfold()方法

6.2.3stratifiedkfold()方法

6.2.4leaveoneout()方法

6.2.5crossval-score()方法

6.3能度量

6.4参数优化

6.5模型持久化

第7章项目实践

7.1工程应用场景

7.1.1可行研究阶段

7.1.2设计阶段

7.1.3施工阶段

7.1.4监理监测

7.1.5运营维护

7.2边坡稳定预测

7.2.1数据探索

7.2.2数据预处理

7.2.3模型选择

7.2.4模型评估

7.2.5模型持久化

7.3地质物探预测

7.3.1数据探索

7.3.2数据预处理

7.3.3集成学

7.3.4模型评估

7.3.5模型持久化

7.4隧道岩爆分级预测

7.4.1数据探索

7.4.2数据预处理

7.4.3集成学

7.4.4模型评估

7.4.5模型持久化

7.5混凝土强度预测

7.5.1数据探索

7.5.2数据预处理

7.5.3模型选择

7.5.4参数优化

7.5.5模型持久化

7.6膨胀土膨胀等级分类

7.6.1数据探索

7.6.2数据预处理

7.6.3分类簇数选择

7.6.4模型评估

7.6.5模型持久化