Python机器学习

图书标准信息

• 作者 [日]日本系统规划研究所 著；周晓玲 译
• 出版社 中国青年出版社
• 出版时间 2021-03
• 版次 1
• ISBN 9787515362298
• 定价 79.80元
• 装帧 其他
• 开本 32开
• 纸张 胶版纸

【内容简介】

《Python机器学习》讲解未来人工智能技术中的机器学习，从入门知识到实践。全书分为“导入篇”、“基础篇”、“实践篇”三部分。
   导入篇包括第1章和第2章的内容。第1章是关于Python的安装和语言的说明及阅读本书需要进行的准备等，“快速教程”中将对通过Python如何接触机器学习进行说明，章节末尾的“短文 深度学习是什么”中，会涉及到*近引人关注的深度学习的历史及其现状； 第2章中将概述机器学习的各个方面。
   基础篇从第3章到第5章，将对分类问题、回归问题、聚类进行说明。特别是在“第3章 分类问题”，阐述了性能的评价方法及其注意要点，这是使用机器学习需要掌握的基础部分。
   第6章和第7章的定位为实践篇，讲解了一些实际应用。第6章以手形状分类为题材，用和实际相近的形状进行数据收集，创建分类器，并进行评价；第7章中会看到传感器数据的处理方法，*后阐述了本篇的结束语。

【作者简介】

【日】系统规划研究所/ISP: 系统规划研究所是一家以技术为导向的软件设计开发公司，在日常的业务中，他们会使用如深度学习和画像处理、数据分析等更高级技术。近年来他们的研究工作推动了AI、机器学习的发展。

【目录】

前言

第1部分 　导入篇

第1章　导言

1.1 什么是机器学习

1.2 Python和机器学习

1.3 安装和配置

1.4 快速理解Python—NumPy和matplotlib

1.5 快速教程

第2章　机器学习的各个方面

2.1 围绕机器学习的环境

2.2 关联领域

2.3 通过学习法分类

2.4 根据手法和课题设定的分类

2.5 应用案例

第2部分　基础篇

第3章　分类问题

3.1 分类问题是什么

3.2 最初的分类器

3.3 学习数据和测试数据

3.4 评价分类器的性能

3.5 各种各样的分类器

3.6 总结

第4章　回归问题

4.1 回归问题及其分类

4.2 最初的回归—最小二乘法和评价方法

4.3 机器学习的禁忌—过拟合

4.4 过拟合的对应—惩罚回归

4.5 各种各样的回归模型

4.6 总结

第5章　聚类

5.1 iris数据集

5.2 代表性的聚类算法—k-means

5.3 其他的聚类算法

5.4 总结

第3部分　实践篇

第6章　根据图像进行手形状分类

6.1 课题的设定

6.2 最初的学习

6.3 求得泛化能力—尝试增加人数

6.4 再尝试进一步增加人数

6.5 数据的详查和清理—数据清洗

6.6 特征向量的导入

6.7 参数调整

6.8 总结

第7章　传感器数据的回归问题

7.1 首先

7.2 准备

7.3 传感器数据的概要

7.4 数据的读取

7.5 高松的气温数据和四国电力的消费量

7.6 更多样化，总结

7.7 完结

第4部分　附录

附录A　使用Python做机器学习

A.1 此附录的目的

A.2 最小二乘法

A.3 通过矩阵计算导出解析解

A.4 迭代法

A.5 写代码之前

A.6 实现例子

附录B　线性代数的回顾和代表性非线性模型

B.1 此附录的目的

B.2 原本的“线性”是什么

B.3 线性变换和仿射变换

B.4 范数和惩罚项

B.5 考虑线性回归的最小二乘解

B.6 机器学习中的“非线性”

参考信息