互联网 类型
可以朗读 语音朗读
109千字 字数
2020-07-01 发行日期
展开全部

主编推荐语

本书深入浅出地介绍了Python机器学习应用的主要内容。

内容简介

全书共8章，内容包括Python概述、NumPy数值计算、pandas基础、pandas进阶、Matplotlib绘图、scikit-learn、餐饮企业综合分析与预测、通信运营商客户流失分析与预测。前6章设置了选择题、填空题和操作题，后两章设置了操作题，希望通过练习和操作实践，读者可以巩固所学的内容。

目录

  • 版权信息
  • 内容提要
  • 大数据专业系列图书专家委员会
  • 序
  • 前言
  • 第1章 Python概述
  • 1.1 Python简介
  • 1.1.1 Python语言
  • 1.1.2 Python与机器学习
  • 1.1.3 Python环境配置
  • 1.2 Python基础知识
  • 1.2.1 固定语法
  • 1.2.2 运算符
  • 1.2.3 数据类型
  • 1.2.4 Python I/O
  • 1.3 控制语句
  • 1.3.1 条件语句
  • 1.3.2 循环语句
  • 1.4 函数
  • 小结
  • 课后习题
  • 第2章 NumPy数值计算
  • 2.1 ndarray的创建与索引
  • 2.1.1 创建ndarray
  • 2.1.2 ndarray的索引和切片
  • 2.2 ndarray的基础操作
  • 2.2.1 变换ndarray的形态
  • 2.2.2 排序与搜索
  • 2.3 ufunc
  • 2.3.1 ufunc的广播机制
  • 2.3.2 常用ufunc运算
  • 小结
  • 课后习题
  • 第3章 pandas基础
  • 3.1 pandas常用类
  • 3.1.1 Series
  • 3.1.2 DataFrame
  • 3.1.3 Index
  • 3.2 DataFrame基本操作
  • 3.2.1 索引
  • 3.2.2 排序
  • 3.2.3 合并
  • 3.3 其他数据类型操作
  • 3.3.1 时间操作
  • 3.3.2 文本操作
  • 3.3.3 category操作
  • 小结
  • 课后习题
  • 第4章 pandas进阶
  • 4.1 数据的读取与写出
  • 4.1.1 CSV
  • 4.1.2 Excel
  • 4.1.3 数据库
  • 4.2 DataFrame进阶
  • 4.2.1 统计分析
  • 4.2.2 分组运算
  • 4.2.3 透视表和交叉表
  • 4.3 数据准备
  • 4.3.1 缺失值处理
  • 4.3.2 重复数据处理
  • 4.3.3 连续特征离散化处理
  • 4.3.4 哑变量处理
  • 小结
  • 课后习题
  • 第5章 Matplotlib绘图
  • 5.1 Matplotlib绘图基础
  • 5.1.1 编程风格
  • 5.1.2 动态rc参数
  • 5.2 分析特征关系常用图形
  • 5.2.1 散点图
  • 5.2.2 折线图
  • 5.3 分析特征内部数据状态常用图形
  • 5.3.1 直方图与条形图
  • 5.3.2 饼图
  • 5.3.3 箱线图
  • 小结
  • 课后习题
  • 第6章 scikit-learn
  • 6.1 数据准备
  • 6.1.1 标准化
  • 6.1.2 归一化
  • 6.1.3 二值化
  • 6.1.4 独热编码
  • 6.2 降维
  • 6.2.1 PCA
  • 6.2.2 ICA
  • 6.2.3 LDA
  • 6.3 分类
  • 6.3.1 Logistic回归
  • 6.3.2 SVM
  • 6.3.3 决策树
  • 6.3.4 KNN
  • 6.3.5 朴素贝叶斯
  • 6.3.6 随机森林
  • 6.3.7 多层感知机
  • 6.4 回归
  • 6.4.1 最小二乘回归
  • 6.4.2 岭回归
  • 6.4.3 Lasso回归
  • 6.5 聚类
  • 6.5.1 K-Means
  • 6.5.2 层次聚类
  • 6.5.3 DBSCAN
  • 6.5.4 GMM
  • 6.6 模型验证
  • 6.6.1 数据集划分
  • 6.6.2 交叉验证
  • 6.6.3 自动调参
  • 6.6.4 模型评价
  • 小结
  • 课后习题
  • 第7章 餐饮企业综合分析与预测
  • 7.1 餐饮企业需求分析
  • 7.1.1 餐饮企业现状与需求
  • 7.1.2 餐饮企业数据基本状况
  • 7.1.3 餐饮企业数据分析的步骤与流程
  • 7.2 数据准备
  • 7.2.1 统计每日用餐人数与销售额
  • 7.2.2 数据预处理
  • 7.3 使用K-Means算法进行客户价值分析
  • 7.3.1 构建RFM特征
  • 7.3.2 构建K-Means模型
  • 7.3.3 K-Means模型结果分析
  • 7.4 使用决策树算法实现餐饮客户流失预测
  • 7.4.1 构建客户流失特征
  • 7.4.2 构建客户流失预测模型
  • 7.4.3 分析决策树模型结果
  • 小结
  • 课后习题
  • 第8章 通信运营商用户流失分析与预测
  • 8.1 通信运营商用户流失需求分析
  • 8.1.1 通信运营商现状与需求
  • 8.1.2 通信运营商数据基本情况
  • 8.1.3 通信运营商用户流失分析与预测的步骤与流程
  • 8.2 数据准备
  • 8.2.1 数据去重与降维
  • 8.2.2 数据清洗
  • 8.2.3 数据合并
  • 8.3 特征工程
  • 8.3.1 独热编码
  • 8.3.2 合并预处理后的数据集
  • 8.4 使用MLP算法实现通信运营商用户流失预测
  • 8.4.1 数据集划分与数据标准化
  • 8.4.2 构建用户流失预测模型
  • 8.4.3 模型评价
  • 小结
  • 课后习题
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。