正版现货新书 Python机器学习编程与实战 9787115532534 林耀进
全新正版现货，以书名为准，放心购买，购书咨询18931383650朱老师
￥ 35.95 7.2折 ￥ 49.8 全新
库存2件
北京丰台
认证卖家担保交易快速发货售后保障
作者林耀进
出版社人民邮电出版社
ISBN9787115532534
出版时间2020-07
装帧平装
开本16开
定价49.8元
货号1202090296
上书时间2025-01-07
- 在售商品 暂无
- 平均发货时间 9小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
内容摘要
以下信息以网上匹配仅供参考，不支持以此为由退款内容简介:本书采用常用技术与真实案例相结合的讲解方式，深入浅出地介绍了Python机器学习应用的主要内容。全书共8章，内容包括Python概述、NumPy数值计算、pandas基础、pandas进阶、Matplotlib绘图、scikit-learn、餐饮企业综合分析与预测、通信运营商客户流失分析与预测。前6章设置了选择题、填空题和操作题，后两章设置了操作题，希望通过练习和操作实践，读者可以巩固所学的内容。本书可以作为高校大数据或人工智能专业的教材，也可作为机器学习爱好者的自学用书。目录:第1章Python概述11．1Python简介11．1．1Python语言11．1．2Python与机器学习11．1．3Python环境配置21．2Python基础知识51．2．1固定语法51．2．2运算符61．2．3数据类型91．2．4PythonI/O141．3控制语句171．3．1条件语句181．3．2循环语句201．4函数22小结25课后习题26第2章NumPy数值计算282．1ndarray的创建与索引282．1．1创建ndarray282．1．2ndarray的索引和切片332．2ndarray的基础操作362．2．1变换ndarray的形态362．2．2排序与搜索422．3ufunc462．3．1ufunc的广播机制462．3．2常用ufunc运算47小结54课后习题54第3章pandas基础563．1pandas常用类563．1．1Series563．1．2DataFrame603．1．3Index643．2DataFrame基本操作653．2．1索引663．2．2排序703．2．3合并733．3其他数据类型操作783．3．1时间操作783．3．2文本操作873．3．3category操作90小结93课后习题93第4章pandas进阶954．1数据的读取与写出954．1．1CSV954．1．2Excel974．1．3数据库984．2DataFrame进阶1014．2．1统计分析1014．2．2分组运算1064．2．3透视表和交叉表1114．3数据准备1134．3．1缺失值处理1134．3．2重复数据处理1174．3．3连续特征离散化处理1184．3．4哑变量处理120小结122课后习题122第5章Matplotlib绘图1245．1Matplotlib绘图基础1245．1．1编程风格1245．1．2动态rc参数1285．2分析特征关系常用图形1335．2．1散点图1335．2．2折线图1355．3分析特征内部数据状态常用图形1375．3．1直方图与条形图1385．3．2饼图1405．3．3箱线图142小结144课后习题144第6章scikit-learn1466．1数据准备1466．1．1标准化1466．1．2归一化1496．1．3二值化1506．1．4独热编码1516．2降维1536．2．1PCA1546．2．2ICA1586．2．3LDA1626．3分类1666．3．1Logistic回归1666．3．2SVM1716．3．3决策树1746．3．4KNN1786．3．5朴素贝叶斯1806．3．6随机森林1836．3．7多层感知机1866．4回归1896．4．1最小二乘回归1916．4．2岭回归1946．4．3Lasso回归1956．5聚类1986．5．1K-Means1996．5．2层次聚类2026．5．3DBSCAN2056．5．4GMM2086．6模型验证2126．6．1数据集划分2126．6．2交叉验证2136．6．3自动调参2146．6．4模型评价217小结221课后习题221第7章餐饮企业综合分析与预测2257．1餐饮企业需求分析2257．1．1餐饮企业现状与需求2257．1．2餐饮企业数据基本状况2267．1．3餐饮企业数据分析的步骤与流程2277．2数据准备2277．2．1统计每日用餐人数与销售额2277．2．2数据预处理2297．3使用K-Means算法进行客户价值分析2317．3．1构建RFM特征2317．3．2构建K-Means模型2337．3．3K-Means模型结果分析2347．4使用决策树算法实现餐饮客户流失预测2367．4．1构建客户流失特征2367．4．2构建客户流失预测模型2387．4．3分析决策树模型结果239小结240课后习题240第8章通信运营商用户流失分析与预测2428．1通信运营商用户流失需求分析2428．1．1通信运营商现状与需求2428．1．2通信运营商数据基本情况2428．1．3通信运营商用户流失分析与预测的步骤与流程2438．2数据准备2448．2．1数据去重与降维2448．2．2数据清洗2458．2．3数据合并2478．3特征工程2518．3．1独热编码2518．3．2合并预处理后的数据集2528．4使用MLP算法实现通信运营商用户流失预测2538．4．1数据集划分与数据标准化2538．4．2构建用户流失预测模型2558．4．3模型评价255小结256课后习题256
— 没有更多了 —
以下为对购买帮助不大的评价