机器学习Python实战

张松慧，女，1980年9月出生，现任武汉软件职业工程学院信息学院软件技术专业人工智能技术与应用方向教研室主任，武汉软件工程职业学院“专业带头人”，主要研究方向是软件技术、人工智能技术与应用。指导学生参加湖北省高等职业院校技能大赛，荣获一等奖，参加全国职业院校技能大赛（高职组），湖北省教育厅授予“优秀指导教师奖”称号。指导学生参加蓝桥杯全国软件和信息技术专业人才大赛全国总决赛软件开发大学C组二等奖，湖北赛区一等奖。公开发表论文11篇（中文核心2篇），主编教材5本，主持省市级课题5项，主持的课题荣获湖北省职教学会“湖北省教育教学研究成果三等奖”。

项目1机器学习认知

1.1项目知识准备

1.1.1什么是机器学习

1.1.2机器学习的应用场景

1.1.3机器学习的流程

1.1.4机器学习的分类

1.1.5过拟合和欠拟合

1.1.6 衡量机器学习模型的指标

1.2项目实训

1.2.1 搭建机器学习开发环境——Anaconda

1.2.2 Jupyter Notebook 的使用操作

1.2.3NumPy的基本使用

1.2.4pandas 的基本使用

1.2.5 Matplotlib的基本使用

1.3项目拓展——查看机器学习常用数据集

1.4项目小结

1.5习题

项目2红酒数据集可视化——数据预处理

2.1项目知识准备

2.1.1数据处理

2.1.2数据降维

2.1.3数据集拆分

2.2项目实训

2.2.1数据标准化处理

2.2.2数据离差标准化处理

2.2.3数据二值化处理

……

项目10神经网络

10.1项目知识准备

10.1.1神经网络的起源

10.1.2神经网络的原理

10.1.3神经网络的决策过程

10.2项目实训

10.2.1神经网络完成莺尾花分类任务

10.2.2神经网络实例——手写识别

10.3项目拓展——良恶性肿瘤预测

10.4项目小结

10.5习题

项目11模型评估与优化

11.1项目知识准备

11.2项目实训

11.2.1使用交叉验证评估模型

11.2.2使用网格搜索算法进行模型调参

11.2.3 分类模型的可信度评估

11.3项目小结

11.4习题

项目任务驱动，实践案例丰富；

活页式教材，配套课程资源丰富；

融入职业素养教育，学习门槛低；

Python语言编写，符合主流市场；

图解式教学，让高深的技术知识寓教于乐

本书使用Python的机器学习算法库Scikit-learn讲解机器学习重要算法的应用，内容包括机器学习认知、数据预处理、KNN算法、线性回归算法、逻辑回归算法、朴素贝叶斯算法、决策树与随机森林、支持向量机SVM、k-means聚类算法、神经网络、模型评估与优化。

本书使用通俗易懂的语言、丰富的图表和大量的案例对机器学习的算法进行讲解，提供了一条从实践出发掌握机器学习知识的途径，即使没有很强的数学基础也可快速入门，大大降低了学习门槛。本书是项目驱动活页式教材，算法原理讲解深入浅出、实践案例丰富，配套课件、实践案例、习题等课程资源丰富，并融入了课程思政内容。