本书采用独创的黑箱模式,MBA案例教学机制,结合一线实战案例,介绍Sklearn人工智能模块库和常用的机器学习算法。书中配备大量图表说明,没有枯燥的数学公式,只要懂Word、Excel,就能够轻松阅读全书,并学习使用书中的知识,分析大数据。本书具有以下特色:·独创的黑箱教学模式,全书无任何抽象理论和深奥的数学公式。·首次系统化融合Sklearn人工智能软件和Pandas数据分析软件,不用再直接使用复杂的Numpy数学矩阵模块。·系统化的Sklearn函数API接口中文文档,可作为案头工具书随时查阅。·基于Sklearn+Pandas架构,全程采用MBA案例模式,无需任何理论基础,懂Excel就可看懂。
作者简介
内容简介
前言
第1章 从阿尔法狗开始说起
1.1 阿尔法狗的前世今生
1.2 机器学习是什么
1.3 机器学习大史记
1.4 机器学习经典案例
第2章 开发环境
2.1 数据分析首选Python
2.2 用户运行平台
2.3 程序目录结构
2.4 Spyder编辑器界面设置
2.5 Python命令行模式
2.6 Notebook模式
2.7 模块库控制面板
2.8 使用pip更新模块库
第3章 Python入门案例
3.1 案例3-1:第一次编程“hello,ziwang”
3.2 案例3-2:增强版“hello,zwiang”
3.3 案例3-3:列举系统模块库清单
3.4 案例3-4:常用绘图风格
3.5 案例3-5:Pandas常用绘图风格
3.6 案例3-6:常用颜色表cors
3.7 案例源码
第4章 Python基本语法
4.1 数据类型
4.2 字符串
4.3 List列表
4.4 Tuple元组
4.5 Dictionary字典
4.6 数据类型转换
4.7 案例源码
第5章 Python人工智能入门与实践
5.1 从忘却开始
5.2 Iris经典爱丽丝
5.3 AI操作流程
5.4 数据切割函数
5.5 案例源码
第6章 机器学习经典算法案例(上)
6.1 线性回归
6.2 逻辑回归算法
6.3 朴素贝叶斯算法
6.4 KNN近邻算法
6.5 随机森林算法
6.6 案例源码
第7章 机器学习经典算法案例(下)
7.1 决策树算法
7.2 GBDT迭代决策树算法
7.3 SVM向量机
7.4 SVM-cross向量机交叉算法
7.5 神经网络算法
7.6 案例源码
第8章 机器学习组合算法
8.1 CCPP数据集
8.2 机器学习统一接口函数
8.3 模型预制与保存
8.4 案例源码
附录A Sklearn常用模块和函数
附录B 极宽量化系统模块图
