目錄
緒論
0.1 機器學習綜述
0.1.1 機器學習的含義
0.1.2 機器學習的應用場景
0.1.3 機器學習類型
0.1.4 相關術語
0.1.5 人工智慧、機器學習與深度學習
0.2 開發環境搭建
0.2.1 Windows系統環境
0.2.2 Ubuntu系統環境
0.3 Python編程基礎
0.3.1 Python簡介
0.3.2 Python基本語法
0.3.3 Python數據類型
0.3.4 Python常用語句
0.3.5 Python函數（模塊）設計
0.3.6 Python編程庫（包）的導入
案例1 泰坦尼克號數據分析與預處理
1.1 案例描述及實現
1.2 案例詳解及示例
1.3 支撐技術
1.3.1 Numpy
1.3.2 Matplotlib
1.3.3 Pandas
1.3.4 Scikit-learn
案例2 良/惡性乳腺癌腫瘤預測
2.1 案例描述及實現
2.2 案例詳解及示例
2.2.1 數據預處理
2.2.2 linear_model
2.2.3 KNeighborsClassifier
2.2.4 SVM
2.2.5 naive_bayes
2.2.6 DecisionTreeClassifier
2.2.7 ensemble
2.2.8 classification_report
2.3 支撐知識
2.3.1 分類任務簡介
2.3.2 線性模型
2.3.3 K近鄰分類
2.3.4 支持向量機
2.3.5 樸素貝葉斯
2.3.6 決策樹
2.3.7 集成模型
2.3.8 神經網路
案例3 波士頓房價預測
3.1 案例描述及實現
3.2 案例詳解及示例
3.2.1 數據預處理
3.2.2 linear_model
3.2.3 KNeighborsRegressor
3.2.4 SVR
3.2.5 DecisionTreeRegressor
3.2.6 ensemble
3.3 支撐知識
3.3.1 回歸任務簡介
3.3.2 線性回歸
3.3.3 K近鄰回歸
3.3.4 支持向量機回歸
3.3.5 決策樹回歸
3.3.6 集成模型回歸
案例4 手寫體數字聚類
4.1 案例描述及實現
4.1.1 案例簡介
4.1.2 數據介紹
4.1.3 案例實現
4.2 案例詳解及示例
4.2.1 load_digits
4.2.2 AgglomerativeClustering
4.2.3 KMeans
4.2.4 MeanShift
4.2.5 DBSCAN
4.2.6 AffinityPropagation
4.2.7 v_measure_score
4.3 支撐知識
4.3.1 聚類任務簡介
4.3.2 層次聚類
4.3.3 K均值聚類
4.3.4 均值漂移聚類
4.3.5 密度聚類
4.3.6 近鄰傳播聚類
案例5 人臉特徵降維
5.1 案例描述
5.1.1 案例簡介
5.1.2 數據介紹
5.1.3 案例實現
5.2 案例詳解及示例
5.2.1 fetch_olivetti_faces
5.2.2 PCA
5.2.3 NMF
5.2.4 FastICA
5.2.5 FactorAnalysis
5.3 支撐知識及示例
5.3.1 特徵降維簡介
5.3.2 主成分分析
5.3.3 非負矩陣分解
5.3.4 獨立成分分析
5.3.5 因子分析
案例6 在線旅行社酒店價格異常檢測
6.1 案例描述
6.1.1 案例簡介
6.1.2 數據介紹
6.1.3 案例實現
6.2 案例詳解及示例
6.2.1 導入數據
6.2.2 基於聚類的異常檢測
6.2.3 基於孤立森林的異常檢測
6.2.4 基於支持向量機的異常檢測
&n
[