點擊此處進入下載地址 提取碼：2wg3 資料簡介： 本書採用獨創的黑箱模式，MBA案例教學機制，結合一線實戰案例，介紹Sklearn人工智慧模塊庫和常用的機器學習演算法。書中配備大量圖表說明，沒有枯燥的數學公式，普通讀者，只要懂Word、Excel，就能夠輕鬆閱讀全書，並學習使用書中的知識，分析大數據 ...
點擊此處進入下載地址
提取碼：2wg3
資料簡介： 本書採用獨創的黑箱模式，MBA案例教學機制，結合一線實戰案例，介紹Sklearn人工智慧模塊庫和常用的機器學習演算法。書中配備大量圖表說明，沒有枯燥的數學公式，普通讀者，只要懂Word、Excel，就能夠輕鬆閱讀全書，並學習使用書中的知識，分析大數據。本書具有以下特色：獨創的黑箱教學模式，全書無任何抽象理論和深奧的數學公式。首次系統化融合Sklearn人工智慧軟體和Pandas數據分析軟體，不用再直接使用複雜的Numpy數學矩陣模塊。系統化的Sklearn函數和API中文文檔，可作為案頭工具書隨時查閱。基於Sklearn Pandas模式，無須任何理論基礎，全程採用MBA案例模式，懂Excel就可看懂。 資料目錄：第 1 章 從阿爾法狗開始說起1
1.1 阿爾法狗的前世今生.......1
1.2 機器學習是什麼.....2
1.3 機器學習大史記.....3
1.4 機器學習經典案例......... 11
第 2 章 開發環境......13
2.1 數據分析首選 Python.....13
2.2 用戶運行平臺.......18
2.3 程式目錄結構.......19
2.4 Spyder 編輯器界面設置.20
2.5 Python 命令行模式.........26
2.6 Notebook 模式......27
2.7 模塊庫控制面板...29
2.8 使用 pip 更新模塊庫......33
第 3 章 Python 入門案例....39
3.1 案例 3-1：第一次編程“hello,ziwang” ....39
3.2 案例 3-2：增強版“hello,ziwang” ..42
3.3 案例 3-3：列舉系統模塊庫清單.......44
3.4 案例 3-4：常用繪圖風格.........45
3.5 案例 3-5：Pandas 常用繪圖風格.......47
3.6 案例 3-6：常用顏色表 cors.....49
3.7 案例源碼.....50
第 4 章 Python 基本語法....58
4.1 數據類型.....58
案例 4-1：基本運算.......59
4.2 字元串.........61
案例 4-2：字元串入門...61
案例 4-3：字元串常用方法.....63
4.3 List 列表......64
案例 4-4：列表操作.......65
4.4 Tuple 元組...66
案例 4-5：元組操作.......67
4.5 Dictionary 字典.....68
案例 4-6：字典操作.......68
4.6 數據類型轉換.......70
案例 4-7：控制語句.......71
案例 4-8：函數定義.......73
4.7 案例源碼.....75
第 5 章 Python 人工智慧入門與實踐......85
5.1 從忘卻開始.85
5.2 Iris 經典愛麗絲.....89
案例 5-1：Iris 愛麗絲 ....90
案例 5-2：愛麗絲進化與文本矢量化.........92
5.3 AI 操作流程95
5.4 數據切割函數.......98
案例 5-3：Iris 愛麗絲分解 ......99
案例 5-4：線性回歸演算法.......103
5.5 案例源碼...109
第 6 章 機器學習經典演算法案例（上） . 116
6.1 線性回歸... 116
6.2 邏輯回歸演算法.....124
案例 6-1：邏輯回歸演算法.......125
6.3 朴素貝葉斯演算法.127
案例 6-2：貝葉斯演算法.129
6.4 KNN 近鄰演算法 ...130
案例 6-3：KNN 近鄰演算法.....133
6.5 隨機森林演算法.....135
案例 6-4：隨機森林演算法.......139
6.6 案例源碼...140
第 7 章 機器學習經典演算法案例（下） .149
7.1 決策樹演算法.........149
案例 7-1：決策樹演算法.151
7.2 GBDT 迭代決策樹演算法.........153
案例 7-2：GBDT 迭代決策樹演算法.154
7.3 SVM 向量機 .......156
案例 7-3：SVM 向量機演算法.157
7.4 SVM-cross 向量機交叉演算法..159
案例 7-4：SVM-cross 向量機交叉演算法....160
7.5 神經網路演算法.....161
案例 7-5：MLP 神經網路演算法........165
案例 7-6：MLP_reg 神經網路回歸演算法...168
7.6 案例源碼...170
第 8 章 機器學習組合演算法 .........183
8.1 CCPP 數據集......183
案例 8-1：CCPP 數據集........184
案例 8-2：CCPP 數據切割....186
案例 8-3：讀取 CCPP 數據集.........189
8.2 機器學習統一介面函數.........192
案例 8-4：機器學習統一介面.........193
案例 8-5：批量調用機器學習演算法.201
案例 8-6：一體化調用.205
8.3 模型預製與保存.208
案例 8-7：儲存演算法模型.......210
案例 8-8：批量儲存演算法模型.........213
案例 8-9：批量載入演算法模型.........215
案例 8-10：機器學習組合演算法.......219
8.4 案例源碼...224
附錄 A Sklearn 常用模塊和函數.242
附錄 B 極寬量化系統模塊圖......266
