Python机器学习教程
全新正版 极速发货
￥ 31.45 6.4折 ￥ 49 全新
库存2件
作者顾涛
出版社北京大学
ISBN9787301322185
出版时间2021-06
装帧平装
开本其他
定价49元
货号31239330
上书时间2024-06-29
商品详情
- 品相描述：全新
- 商品描述
-
商品简介
《Python 机器学习教程》采用通俗易懂的语言深入浅出地介绍了 Python核心语法结构及程序设计方法。全书贯穿使用单相接地故障分类的具体工程案例，详细地介绍了 Python机器学习所涉及的基本概念、算法及编程实现。《Python 机器学习教程》采用案例教学，以案例驱动学习，论述具体问题。《Python 机器学习教程》适用范围广，既适合零基础编程经验的读者学习，也适合具有高级编程经验的读者参考使用。通过对《Python 机器学习教程》的学习可以快速、系统地掌握 Python程序开发方法和机器学习编程技术。全书突出工程应用，理论联系实际，具有很强的实用性。
《Python 机器学习教程》可作为高等院校物联网工程、自动化、计算机科学与技术等相关专业的教学用书，也可作为相关工程技术人员的参考用书。 。
作者简介
华北科技学院副教授、硕导，北京工业大学兼职硕导。北京鼎科远图科技有限公司董事长兼总经理，中国创造学会永久会员。擅长噪音中的信号检测与处理、智能监控技术，作为核心成员参与多项国家级、省部级项目开发。发表国内外EI收录论文11篇，以第一发明人获得授权发明专利11项，实用新型专利5项。已公开出版教材1部，专著1部。目前研究领域集中在嵌入式系统、监控检测智能系统与设备、智能工业4.0、6~66kV配电网状态监测与数据可视化技术、电力物联网等新兴领域。
目录
第1章 Python概述及使用1
1.1 Python的特点2
1.2 下载与安装Python4
1.2.1 下载Python4
1.2.2 安装Python5
1.2.3 查看Python版本6
1.3 Python程序运行7
1.3.1 在控制台窗口中运行7
1.3.2 文件方式运行8
1.3.3 在终端窗口中运行9
1.4 CSV文件10
1.4.1 CSV文件的建立10
1.4.2 CSV文件的打开12
1.5 Python包与模块12
1.5.1 Python包与模块简介12
1.5.2 模块的调用13
1.5.3 Python包与模块的建立13
本章小结14
习题14
第2章 Python特色数据类型与
常用函数16
2.1 Python基础语法17
2.1.1 标识符与保留字17
2.1.2 注释18
2.2 元组数据类型19
2.3 列表、字典、集合数据类型20
2.3.1 列表20
2.3.2 字典22
2.3.3 集合23
2.4 数字、字符串数据类型24
2.4.1 数字24
2.4.2 字符串25
2.5 Python的常用函数27
2.5.1 range()函数27
2.5.2 enumerate()函数28
2.5.3 zip()函数28
2.5.4 map()函数29
2.5.5 sorted()函数29
2.5.6 hash()函数30
2.5.7 reversed()函数30
本章小结30
习题31
第3章 Python语句控制及函数定义33
3.1 Python分支结构34
3.1.1 单分支结构34
3.1.2 多分支结构35
3.1.3 多分支选择结构36
3.2 Python循环结构38
3.2.1 for循环结构39
3.2.2 while循环结构40
3.2.3 break与continue40
3.3 Python函数43
3.3.1 自定义函数43
3.3.2 函数的参数44
3.3.3 递归函数47
3.3.4 匿名函数49
3.3.5 将函数存储在模块中49
3.3.6 Python内置函数51
本章小结54
习题54
第4章 Python类、异常处理、文件57
4.1 Python类58
4.1.1 类58
4.1.2 类私有属性、公有属性61
4.1.3 类方法65
4.1.4 类的继承66
4.1.5 多重继承67
4.1.6 Object类68
4.1.7 封装、继承、多态69
4.1.8 类的浅拷贝与深拷贝71
4.2 Python异常74
4.2.1 异常概念74
4.2.2 异常处理函数77
4.2.3 trackback模块79
4.3 Python文件操作80
4.3.1 文件的概念80
4.3.2 文件操作80
本章小结85
习题85
第5章 Python数据处理与绘图89
5.1 numpy数组使用90
5.1.1 numpy生成数组91
5.1.2 numpy数组属性94
5.1.3 数组的索引和切片96
5.1.4 numpy数组运算97
5.2 scipy包的使用101
5.2.1 scipy包中的模块101
5.2.2 常数模块的使用102
5.2.3 特殊函数模块的使用102
5.2.4 信号处理模块103
5.2.5 空间结构模块108
5.3 pandas包的使用109
5.3.1 pandas数组109
5.3.2 查看数据112
5.3.3 pandas读取文件113
5.4 matplotlib包的使用116
5.5 SQLite数据库的使用121
5.5.1 SQLite数据库121
5.5.2 SQLite数据库操作方法122
5.5.3 SQLite点命令123
5.5.4 SQLite可视化维护124
本章小结126
习题126
第6章 图形用户界面设计、二维码与
程序打包130
6.1 图形用户界面设计131
6.1.1 wxPython应用程序框架132
6.1.2 wx.Frame的使用134
6.1.3 文本编辑器135
6.1.4 wxPython操作窗口138
6.2 Python二维码设计145
6.2.1 二维码概念145
6.2.2 二维码设计146
6.3 程序打包147
6.3.1 安装打包工具147
6.3.2 打包步骤147
本章小结150
习题150
第7章 Anaconda使用、数据分割与
训练155
7.1 Anaconda安装与使用156
7.1.1 安装Anaconda156
7.1.2 使用Anaconda158
7.2 Jupyter Notebook160
7.2.1 使用Jupyter Notebook160
7.2.2 安装mglearn包163
7.3 数据构建与分割164
7.3.1 数据构建164
7.3.2 测试数据分割167
7.4 k近邻分类169
7.4.1 k近邻分类算法概述169
7.4.2 数据模型优良评判170
7.5 sklearn自带数据集171
本章小结174
习题174
第8章 有监督机器学习177
8.1 分类与回归178
8.1.1 分类与回归178
8.1.2 两个接地特征的线性回归
分析183
8.1.3 两个接地特征的k近邻分类与
回归191
8.2 决策树和随机森林194
8.2.1 决策树194
8.2.2 随机森林198
8.3 神经网络分类201
8.3.1 神经网络算法201
8.3.2 多层前馈网络结构201
8.3.3 BP学习算法202
8.3.4 单相接地神经网络分类204
8.3.5 神经网络分类器主要参数206
8.4 集成学习208
8.4.1 核—SVM算法208
8.4.2 集成学习算法209
8.4.3 弱学习机分类器算法212
8.4.4 分类器不确定性估计214
8.4.5 机器学习算法汇总214
本章小结223
习题223
第9章 无监督学习与模型泛化226
9.1 无监督学习227
9.1.1 k-均值聚类算法227
9.1.2 新型传染病聚类分析228
9.1.3 机器学习模型保存230
9.1.4 高斯混合模型232
9.1.5 层次聚类235
9.2 分类模型泛化236
9.2.1 数据划分有效性236
9.2.2 更有效数据划分238
9.2.3 模型参数优化239
9.2.4 主成分分析242
9.2.5 流形学习247
本章小结248
习题248
附录A251
附录B252
参考文献253
内容摘要
本书采用通俗易懂的语言深入浅出地介绍了Python核心语法结构及程序设计方法。全书贯穿使用单相接地故障分类的具体工程案例，详细地介绍了Python机器学习所涉及的基本概念、算法及编程实现。本书采用案例教学，以案例驱动学习，论述具体问题。本书适用范围广，既适合零基础编程经验的读者学习，也适合具有高级编程经验的读者参考使用。通过对本书的学习可以快速、系统地掌握Python程序开发方法和机器学习编程技术。全书突出工程应用，理论联系实际，具有很强的实用性。 本书可作为高等院校物联网工程、自动化、计算机科学与技术等相关专业的教学用书，也可作为相关工程技术人员的参考用书。 。
主编推荐
本书可作为高等院校物联网工程、自动化、计算机科学与技术等相关专业的教学用书，也可作为相关工程技术人员的参考用书。
— 没有更多了 —
以下为对购买帮助不大的评价