人工智能科学与技术丛书 Python机器学习及实践
作者： 梁佩莹 编著
出版时间：2020年版
丛编项： 人工智能科学与技术丛书
内容简介
Python是目前比较热门的编程语言，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的爱选语言。《Python机器学习及实践/人工智能科学与技术丛书》以Python3.6.5为编写平台，以帮助读者快速上手、理论与实践相结合为出发点，介绍Python机器学习的相关内容。《Python机器学习及实践/人工智能科学与技术丛书》共10章，分别介绍了机器学习的基础知识、近邻法、数据降维、分类算法、回归算法、聚类算法、神经网络、推荐算法、频繁项集、数据预处理。通过《Python机器学习及实践/人工智能科学与技术丛书》的学习，读者可了解Python编程及在机器学习中的应用。《Python机器学习及实践/人工智能科学与技术丛书》可作为对Python和机器学习感兴趣的初学者的参考书，也可作为从事Python开发的广大科研人员、学者、工程技术人员的参考书，还可作为高等院校人工智能、计算机等相关专业的教材。《Python机器学习及实践/人工智能科学与技术丛书》突出的特点：内容由浅入深，既有原理介绍，又有实战操作，使读者在实践中掌握相关知识，并为解决问题提供详细的方法。具有超强的实用性，实例丰富，书中给出了80多个实例让读者理解概念、原理和算法。以理论与实践相结合为出发点，介绍Python机器学习的相关内容，即使没有机器学习基础的读者也可以快速上手。
目录
第1章 机器学习的基础知识
1．1 何谓机器学习
1．1．1 传感器和海量数据
1．1．2 机器学习的重要性
1．1．3 机器学习的表现
1．1．4 机器学习的主要任务
1．1．5 选择合适的算法
1．1．6 机器学习程序的步骤
1．2 综合分类
1．3 推荐系统和深度学习
1．3．1 推荐系统
1．3．2 深度学习
1．4 何为Python
1．4．1 使用Python软件的由来
1．4．2 为什么使用Python
1．4．3 Python设计定位
1．4．4 Python的优缺点
1．4．5 Python的应用
1．5 Python编程第一步
1．6 NumPy函数库基础
1．7 Python迭代器与生成器
1．7．1 迭代器
1．7．2 生成器
1．8 多线程
1．8．1 学习Python线程
1．8．2 线程模块
1．8．3 线程同步
1．8．4 线程优先级队列（Queue）
1．9 小结
1．10 习题
第2章 Python近邻法
2．1 k近邻法的三要素
2．1．1 k选择
2．1．2 距离度量
2．1．3 分类决策规则
2．2 k近邻法
2．3 kd树
2．3．1 什么是kd树
2．3．2 如何构建kd树
2．3．3 如何在kd树中搜索
2．4 Python实现kd树、k近邻法
2．5 小结
2．6 习题
第3章 Python数据降维
3．1 维度灾难与降维
3．2 主成分分析
3．2．1 PCA原理
3．2．2 PCA算法
3．2．3 PCA降维的两个准则
3．3 SVD降维
3．4 核主成分分析降维
3．5 流形学习降维
3．6 多维缩放降维
3．6．1 原理
3．6．2 MDS算法
3．7 等度量映射降维
3．8 局部线性嵌入
3．8．1 原理
3．8．2 LLE算法
3．9 非负矩阵分解
3．10 小结
3．11 习题
……
第4章 Python分类算法
第5章 Python回归算法
第6章 Python聚类算法
第7章 Python神经网络
第8章 Python推荐算法
第9章 Python频繁项集
第10章 Python数据预处理
参考文献
