深入浅出Python机器学习_段小手.pdf

版权所有，严禁传桶， .iJj者自负法律责任 ？ 目录 第 1章概述 1.1 什么是机器学习一一从 一个小故事开始 I002 1.2 机器学习的 一些应用 场景一一－蝙蝠公司的业务单元 I003 1.3 机器学习应该如何入门一一世上无难 事 I005 1.4有监督学习与无监督学习 I007 1.5 机器学习中的分类与回归 I008 1.6 模型的泛化、过拟合与欠拟合 I008 1.7 小结 I009 第2章基于 Python语言的环境配置 2.1 Python的下载和安装 I012 2.2 Jupyter Notebook 的安装与使用方法 I013 2.2.1 使用 pip进行 Jupyter Notebook 的下载军｜！ 安装 I013 2 .2 .2运行 Jupyter Notebook I 014 2.2.3 · Jupyter Notebook 的使用方 法 I015 2.3 一些必需库的安装及功能简介 I017 2.3.1 Numpy一一基础科学计算库 I017 2.3.2 Scipy一一强大的科 学计算工具集 I018 2.3.3 pandas－一数据分析的利器 I019 2.3.4 matplotlib －一画出优美的图形 I020 深入浅出 Pytho门机器学习 2.4 scikit -leam一一非常流行的 Python机器学习库 I021 2.5 小结 I022 第3章 K最近邻算法一一近朱者赤，近墨者黑 3.1 K最近邻算法的原理 I024 3.2 K最近邻算法的用法 I025 3.2.1 k最近邻算法在分类任务中的应用 I025 3.2.2 K最近邻~~法处理多元分类任务 I029 3.2.3 K最近邻算法用于回归分析 I031 3.3 K最近邻算法项目实战一一酒的分类 I034 3.3.1 对数据集进行分析 I034 3.3.2 生成训练数据集和测试数据集 I036 3.3.3 使用K最近邻算法进行建棋 I038 3.3.4 使用模型对新样本的分类进行预测 I039 3.4 小结 I041 第4章广义线性模型一一“耿直”的算法模型 4.1 线性模型的基本概念 I044 4.1.1 线性模型的 一般公式 I044 4.1.2 线性模型的图形表示 I045 4.1.3 线性模型的特点 I049 4.2 最基本的线性模型一一线性回归 I050 4.2.1 线性回归的基本原理 I050 4.2.2 线性回归的性能表现 I051 4.3 使用 L2正则化的线性模型一一岭回归 I053 4.3.1 岭回归的原理 I053 4.3.2 岭回归的参数调节 I054 4.4 使用 Ll正则化的线性模型一一套索回归 I058 4.4.1 套索回归的原理 I058 4.4.2 套索回归的参数调节 I059 4.4.3 套索回归与岭回归的对比 I060 〈卫D 4.5 小结 I062 第5章朴素贝叶斯一一打雷啦，收衣服啊 5.1 朴素贝叶斯 基本概念 I064 5.1.l 贝叶斯定理 I064 5.1.2 朴素贝叶斯的简单应用 I064 5.2 朴素贝叶斯 算法的不 同方法 I068 5.2.1 贝努利朴素贝叶斯 I068 5.2.2 高