Python机器学习 pdf 下载 极速 mobi txt pdb lrf 网盘
Python机器学习电子书下载地址
内容简介：
随着计算能力的快速增长，大量任务都可在台式机上完成；在这样的背景下，机器学习应运而生，成为当今炙手可热的话题。但初出茅庐的新手常对机器学习感到十分畏惧；为给这些新手扫清障碍，《Python机器学习》采用循序渐进的方式，先讲解底层技术，然后引导读者学习更高级的机器学习技巧。
本书首先介绍Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib。一旦牢固地掌握了基础知识，即可开始基于Python和Scikit-learn库进行机器学习，深入了解各种机器学习算法(如回归、聚类和分类)的底层工作原理。本书专门用一章的篇幅讲解如何使用Azure Machine Learning Studio进行机器学习；利用该平台，开发人员不必编写代码即可开始构建机器学习模型。本书最后讨论如何部署供客户端应用程序使用的已构建模型。
《Python机器学习》面向机器学习新手，主要内容如下：
● Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib库
● 常见的机器学习算法，包括回归、聚类、分类和异常检测
● 使用Python和Scikit-learn库进行机器学习
● 将机器学习模型部署为Web服务
● 使用Microsoft Azure Machine Learning Studio进行机器学习
● 演习机器学习模型构建方案的实例
书籍目录：
第1章 机器学习简介 1
1.1 什么是机器学习? 2
1.1.1 在本书中机器学习将解决什么问题? 3
1.1.2 机器学习算法的类型 4
1.2 可得到的工具 7
1.2.1 获取Anaconda 8
1.2.2 安装Anaconda 8
1.3 本章小结 17
第2章 使用NumPy扩展Python 19
2.1 NumPy是什么? 19
2.2 创建NumPy数组 20
2.3 数组索引 22
2.3.1 布尔索引 22
2.3.2 切片数组 23
2.3.3 NumPy切片是一个引用 25
2.4 重塑数组 26
2.5 数组数学 27
2.5.1 点积 29
2.5.2 矩阵 30
2.5.3 累积和 31
2.5.4 NumPy排序 32
2.6 数组赋值 34
2.6.1 通过引用复制 34
2.6.2 按视图复制(浅复制) 35
2.6.3 按值复制(深度复制) 37
2.7 本章小结 37
第3章 使用Pandas处理表格数据 39
3.1 Pandas是什么? 39
3.2 Pandas Series 40
3.2.1 使用指定索引创建Series 41
3.2.2 访问Series中的元素 41
3.2.3 指定Datetime范围作为Series的索引 42
3.2.4 日期范围 43
3.3 Pandas DataFrame 44
3.3.1 创建DataFrame 45
3.3.2 在DataFrame中指定索引 46
3.3.3 生成DataFrame的描述性统计信息 47
3.3.4 从DataFrame中提取 48
3.3.5 选择DataFrame中的单个单元格 54
3.3.6 基于单元格值进行选择 54
3.3.7 转置DataFrame 54
3.3.8 检查结果是DataFrame还是Series 55
3.3.9 在DataFrame中排序数据 55
3.3.10 将函数应用于DataFrame 57
3.3.11 在DataFrame中添加和删除行和列 60
3.3.12 生成交叉表 63
3.4 本章小结 64
第4章 使用matplotlib显示数据 67
4.1 什么是matplotlib? 67
4.2 绘制折线图 67
4.2.1 添加标题和标签 69
4.2.2 样式 69
4.2.3 在同一图表中绘制多条线 71
4.2.4 添加图例 72
4.3 绘制柱状图 73
4.3.1 在图表中添加另一个柱状图 74
4.3.2 更改刻度标签 76
4.4 绘制饼图 77
4.4.1 分解各部分 79
4.4.2 显示自定义颜色 79
4.4.3 旋转饼状图 80
4.4.4 显示图例 81
4.4.5 保存图表 83
4.5 绘制散点图 83
4.5.1 合并图形 84
4.5.2 子图 85
4.6 使用Seaborn绘图 86
4.6.1 显示分类图 87
4.6.2 显示lmplot 89
4.6.3 显示swarmplot 90
4.7 本章小结 92
第5章 使用Scikit-learn开始机器学习 93
5.1 Scikit-learn简介 93
5.2 获取数据集 93
5.2.1 使用Scikit-learn数据集 94
5.2.2 使用Kaggle数据集 97
5.2.3 使用UCI机器学习存储库 97
5.2.4 生成自己的数据集 97
5.3 Scikit-learn入门 100
5.3.1 使用LinearRegression类对模型进行拟合 101
5.3.2 进行预测 101
5.3.3 绘制线性回归线 102
5.3.4 得到线性回归线的斜率和截距 103
5.3.5 通过计算残差平方和检验模型的性能 104
5.3.6 使用测试数据集评估模型 105
5.3.7 持久化模型 106
5.4 数据清理 108
5.4.1 使用NaN清理行 108
5.4.2 删除重复的行 110
5.4.3 规范化列 112
5.4.4 去除异常值 113
5.5 本章小结 117
第6章 有监督的学习——线性回归 119
6.1 线性回归的类型 119
6.2 线性回归 120
6.2.1 使用Boston数据集 120
6.2.2 数据清理 125
6.2.3 特征选择 126
6.2.4 多元回归 129
6.2.5 训练模型 131
6.2.6 获得截距和系数 133
6.2.7 绘制三维超平面 134
6.3 多项式回归 136
6.3.1 多项式回归公式 138
6.3.2 Scikit-learn中的多项式回归 138
6.3.3 理解偏差和方差 142
6.3.4 对Boston数据集使用多项式多元回归 145
6.3.5 绘制三维超平面 146
*** 本章小结 149
第7章 有监督的学习——使用逻辑回归进行分类 151
7.1 什么是逻辑回归? 151
7.1.1 理解概率 153
7.1.2 logit函数 153
7.1.3 sigmoid曲线 155
7.2 使用威斯康星***癌诊断数据集 156
7.2.1 检查特征之间的关系 157
7.2.2 使用一个特征训练 161
7.2.3 使用所有特性训练模型 164
7.3 本章小结 174
第8章 有监督的学习——使用支持向量机分类 175
8.1 什么是支持向量机? 175
8.1.1 最大的可分性 176
8.1.2 支持向量 177
8.1.3 超平面的公式 178
8.1.4 为SVM使用Scikit-learn 179
8.1.5 绘制超平面和边距 182
8.1.6 进行预测 183
8.2 内核的技巧 184
8.2.1 添加第三个维度 185
8.2.2 绘制三维超平面 187
8.3 内核的类型 189
8.3.1 C 193
8.3.2 径向基函数(RBF)内核 195
8.3.3 gamma 196
8.3.4 多项式内核 198
8.4 使用SVM解决实际问题 199
8.5 本章小结 202
第9章 有监督的学习——使用k-近邻(kNN)分类 203
9.1 k-近邻是什么? 203
9.1.1 用Python实现kNN 204
9.1.2 为kNN使用Scikit-learn的KNeighborsClassifier类 209
9.2 本章小结 218
第10章 无监督学习——使用k-means聚类 219
10.1 什么是无监督学习? 219
10.1.1 使用k-means的无监督学习 220
10.1.2 k-means中的聚类是如何工作的 220
10.1.3 在Python中实现k-means 223
10.1.4 在Scikit-learn中使用k-means 228
10.1.5 利用Silhouette系数评价聚类的大小 230
10.2 使用k-means解决现实问题 234
10.2.1 导入数据 234
10.2.2 清理数据 235
10.2.3 绘制散点图 236
10.2.4 使用k-means聚类 236
10.2.5 寻找最优尺寸类 238
10.3 本章小结 239
第11章 使用 Azure Machine Learning Studio 241
11.1 什么是Microsoft Azure Machine Learning Studio? 241
11.1.1 以泰坦尼克号实验为例 241
11.1.2 使用Microsoft Azure Machine Learning Studio 243
11.1.3 训练模型 254
11.1.4 将学习模型作为Web服务发布 258
11.2 本章小结 263
第12章 部署机器学习模型 265
12.1 部署ML 265
12.2 案例研究 266
12.2.1 加载数据 267
12.2.2 清理数据 267
12.2.3 检查特征之间的相关性 269
12.2.4 绘制特征之间的相关性 270
12.2.5 评估算法 273
12.2.6 训练并保存模型 275
12.3 部署模型 277
12.4 创建客户机应用程序来使用模型 279
12.5 本章小结 281
作者介绍：
Wei-Meng Lee是一名技术专家，也是Developer Learning Soluti***公司(http://www.learn2development.net)的创始人，该公司专门从事最新技术的实践培训。
Wei-Meng具有多年的培训经验，他的培训课程特别强调“边做边学”。他动手学习编程的方法使理解这个主题比仅阅读书籍、教程和文档容易得多。
Wei-Meng这个名字经常出现在网上和印刷出版物，如DevX.com、MobiF***e.com和CoDe杂志。
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
暂无相关书籍摘录，正在全力查找中！
在线阅读/听书/购买/PDF下载地址：
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
书籍介绍
随着计算能力的快速增长，大量任务都可在台式机上完成；在这样的背景下，机器学习应运而生，成为当今炙手可热的话题。但初出茅庐的新手常对机器学习感到十分畏惧；为给这些新手扫清障碍，《Python机器学习》采用循序渐进的方式，先讲解底层技术，然后引导读者学习更高级的机器学习技巧。
本书首先介绍Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib。一旦牢固地掌握了基础知识，即可开始基于Python和Scikit-learn库进行机器学习，深入了解各种机器学习算法(如回归、聚类和分类)的底层工作原理。本书专门用一章的篇幅讲解如何使用Azure Machine Learning Studio进行机器学习；利用该平台，开发人员不必编写代码即可开始构建机器学习模型。本书最后讨论如何部署供客户端应用程序使用的已构建模型。
《Python机器学习》面向机器学习新手，主要内容如下：
● Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib库
● 常见的机器学习算法，包括回归、聚类、分类和异常检测
● 使用Python和Scikit-learn库进行机器学习
● 将机器学习模型部署为Web服务
● 使用Microsoft Azure Machine Learning Studio进行机器学习
● 演习机器学习模型构建方案的实例
网站评分
书籍多样性：5分
书籍信息完全性：5分
网站更新速度：7分
使用便利性：5分
书籍清晰度：8分
书籍格式兼容性：4分
是否包含广告：6分
加载速度：5分
安全性：3分
稳定性：3分
搜索功能：9分
下载便捷性：9分
下载点评
- 无缺页(552+)
- 值得购买(242+)
- 速度慢(137+)
- 下载快(241+)
- 一般般(584+)
- 在线转格式(658+)
- 下载速度快(453+)
- 赞(369+)
下载评价
- 网友 石***致：
挺实用的，给个赞！希望越来越好，一直支持。
- 网友 扈***洁：
还不错啊，挺好
- 网友 权***波：
收费就是好，还可以多种搜索，实在不行直接留言，24小时没发到你邮箱自动退款的！
- 网友 孙***夏：
中评，比上不足比下有余
- 网友 邱***洋：
不错，支持的格式很多
- 网友 宓***莉：
不仅速度快，而且内容无盗版痕迹。
- 网友 习***蓉：
品相完美
- 网友 步***青：
。。。。。好
- 网友 石***烟：
还可以吧，毕竟也是要成本的，付费应该的，更何况下载速度还挺快的
- 网友 濮***彤：
好棒啊！图书很全
- 网友 师***怡：
说的好不如用的好，真心很好。越来越完美
- 网友 冉***兮：
如果满分一百分，我愿意给你99分，剩下一分怕你骄傲
- 网友 益***琴：
好书都要花钱，如果要学习，建议买实体书；如果只是娱乐，看看这个网站，对你来说，是很好的选择。
- 网友 蓬***之：
好棒good
喜欢"Python机器学习"的人也看了
科学总动员/我的第一次探索/科普图书馆 pdf 下载 极速 mobi txt pdb lrf 网盘
交大之星 语文数学英语n版 学业水平单元测试卷 修订版 3年级下/三年级第二学期 与上海二期课改教材配套单元模拟测试卷 上海交大 pdf 下载 极速 mobi txt pdb lrf 网盘
说着英语去旅行:彩图旅游英语:精彩图文口袋书 纯正美语光盘,轻松应对各种应急场景【正版保证】 pdf 下载 极速 mobi txt pdb lrf 网盘
正版书籍 轻松学歌赋 治病主药诀 曾培杰 治病主要诀 治病主要决 治病主药 轻松掌握治病主药诀 辽宁 pdf 下载 极速 mobi txt pdb lrf 网盘
放射物理与辐射防护(本科影像技术/配增值) pdf 下载 极速 mobi txt pdb lrf 网盘
宋太祖赵匡胤 pdf 下载 极速 mobi txt pdb lrf 网盘
日本网络安全战略研究 pdf 下载 极速 mobi txt pdb lrf 网盘
结构性心脏病心导管介入治疗(国家出版基金项目十二) pdf 下载 极速 mobi txt pdb lrf 网盘
2013全国物业管理师执业资格考试最后九套题 pdf 下载 极速 mobi txt pdb lrf 网盘
怪兽学校 第2季 梦境狂欢节 pdf 下载 极速 mobi txt pdb lrf 网盘
全格式电子版 - 免费下载
随机推荐
- Cruel World pdf 下载 极速 mobi txt pdb lrf 网盘
- G20国家创新竞争力黄皮书:二十国集团（G20）国家创新竞争力发展报告（2017～2018） pdf 下载 极速 mobi txt pdb lrf 网盘
- 至好景 pdf 下载 极速 mobi txt pdb lrf 网盘
- 渴望生活 pdf 下载 极速 mobi txt pdb lrf 网盘
- 乌龙院大长篇之活宝传奇（6） pdf 下载 极速 mobi txt pdb lrf 网盘
- 企业文化管理与实践 pdf 下载 极速 mobi txt pdb lrf 网盘
- 网络社会治理法治化研究 pdf 下载 极速 mobi txt pdb lrf 网盘
- 国际结算业务及案例精析2016 pdf 下载 极速 mobi txt pdb lrf 网盘
- SSAT阅读高手全攻略：真题回忆大全（世界文化篇） pdf 下载 极速 mobi txt pdb lrf 网盘
- 婚姻家庭继承法学（第四版） pdf 下载 极速 mobi txt pdb lrf 网盘
书籍真实打分
故事情节：4分
人物塑造：7分
主题深度：5分
文字风格：9分
语言运用：9分
文笔流畅：7分
思想传递：7分
知识深度：5分
知识广度：3分
实用性：4分
章节划分：8分
结构布局：4分
新颖与独特：9分
情感共鸣：9分
引人入胜：5分
现实相关：7分
沉浸感：8分
事实准确性：3分
文化贡献：5分