scikit-learn机器学习实战

第1章 机器学习概述

 1.1什么是机器学习

 1.2机器学习的作用领城

 1.3机器学习的分类

 1.4机器学习理论基础

 1.5机器学习应用开发的典型步骤

 1.6本章小结

 1.7复习题

 第2章 机器学习之数据特征

 2.1数据的分布特征

 2.1.1数据分布集中趋势的测度

 2.1.2数据分布离散程度的测定

 2.1.3数据分布偏态与峰度的测定

 2.2数据的相关性

 2.2.1相关关系

 2.2.2相关分析

 2.3数据的聚类性

 2.4数据主成分分析

 ……

本书围绕scikit-learn库，详细介绍机器学习模型、算法、应用场景及其案例实现方法，通过对相关算法循序渐进的讲解，带你轻松踏上机器学习之旅。本书采用理论与实践相结合的方式，结合Python3语言的强大功能，以最小的编程代价来实现机器学习算法。本书配套PPT课件、案例源码、数据集、开发环境与答疑服务。本书共分13章，内容包括机器学习的基础理论、模型范式、策略、算法以及机器学习的应用开发，涵盖特征提取、简单线性回归、k近邻算法、多元线性回归、逻辑回归、朴素贝叶斯、非线性分类、决策树回归、随机森林、感知机、支持向量机、人工神经网络、K均值算法、主成分分析等热点研究领域。 本书可以作为机器学习初学者、研究人员或从业人员的参考书，也可以作为计算机科学、大数据、人工智能、统计学和社会科学等专业的大学生或研究生的教材。