当前位置:主页 > 计算机电子书 > Python > Python机器学习 pdf电子书
零起点Python机器学习快速入门

零起点Python机器学习快速入门 PDF 完整清晰版

  • 更新:2023-06-13
  • 大小:85.1 MB
  • 类别:Python机器学习
  • 作者:何海群
  • 出版:电子工业出版社
  • 格式:PDF

  • 资源介绍
  • 学习心得
  • 相关内容

零起点Python机器学习快速入门》是由电子工业出版社出版的一本关于Python机器学习方面的书籍,作者是何海群,主要介绍了关于Python、机器学习方面的知识内容,目前在Python机器学习类书籍综合评分为:7.9分。

码农点评

《零起点Python机器学习快速入门》是一本非常优秀的Python与机器学习领域的入门教材,该书采用独创的黑箱模式和MBA案例教学机制,在结合一线实战案例的同时,介绍了Sklearn人工智能模块库以及常用的机器学习算法,让读者能够从零开始快速掌握机器学习的基础知识和应用技能。本书的教学代码也非常详实,读完该书的内容和配套教学代码后,读者不仅能够掌握Python编程语言,还能够编写简单的机器学习函数,是机器学习学习者的必备课程教材。

书籍介绍

最近在学习相关,所以买来好好研究一下,大概看了一下,还不错,待后续研究

这本书不要买了,个人意见就是看作者展示没有代码注释的ppt, 就是把作者的代码截图给你,每行代码什么意思自己去百度 ; 讲得走马观花,最垃圾的一本书,不知道作者怎么想的,还吹牛逼说只要会Excel就能看懂,是作者学霸吧; 我是之前看了python基础的,pandas会用了来买的。

Python在科学计算领域,有两个重要的扩展模块:Numpy和Scipy。其中Numpy是一个用python实现的科学计算包。包括: 一个强大的N维数组对象Array; 比较成熟的(广播)函数库; 用于整合C/C++和Fortran代码的工具包

零起点python机器学习快速入门 这本书第5章5-4示例import zsys import ztools两个模块是什么,怎么导入不了,复制源代码过去了,也运行不得,有一起的朋友吗?

编辑推荐

适读人群 :计算机行业、金融行业,数据分析、大数据研究人员等。不需要任何编程、交易经验,也不需要具备超强的数据分析能力,只要会使用Excel就可以轻松学会本书讲解的知识点。

作者简介

何海群,网名:字王,CHRD前海智库CTO,《中华大字库》发明人,出版书籍20余部,在人工智能、数据分析等方面具有20年一线专业经验;zwPython开发平台、zwQuant量化软件设计师,中国“Python创客”项目和“Python产业联盟”发起人,国内**Python量化课程:《Python量化实盘·魔鬼训练营》创始人,极宽量化开源团队的创始人。1990年,发明国内**个VR数据手套并获得专利授权,被业界称为“中国VR之父”;1992年,论文《人工智能与中文字型设计》入选《广东青年科学家文集》,现已成为中文字库行业三大基础建模理论之一;1997年,出版国内首部网络经济专著《网络商战》;2008年,在北京联合创办国内**4A级网络公关公司,服务过200余家国际五百强企业,被公关协会誉为:中国网络公关事业的开创者与启蒙者;2012年,发布国内**自主研发的智能中文字库设计软件《x2ttf涂鸦造字》,全功能全免费公益软件;2016年,推出国内首套纯python开源量化软件:zwQuant,以及国内**Tick级别开源金融大数据项目:zwDat金融数据包。研究成果有:“小数据”理论,快数据模型,黑天鹅算法,GPU超算工作站、MTRD多节点超算集群算法、“1+N”网络传播模型、人工智能“足彩图灵法则”等。

内容简介

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,普通读者,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函数和API中文文档,可作为案头工具书随时查阅。基于Sklearn Pandas模式,无须任何理论基础,全程采用MBA案例模式,懂Excel就可看懂。

目录

  • 第 1 章 从阿尔法狗开始说起1
  • 1.1 阿尔法狗的前世今生.......1
  • 1.2 机器学习是什么.....2
  • 1.3 机器学习大史记.....3
  • 1.4 机器学习经典案例......... 11
  • 第 2 章 开发环境......13
  • 2.1 数据分析首选 Python.....13
  • 2.2 用户运行平台.......18
  • 2.3 程序目录结构.......19
  • 2.4 Spyder 编辑器界面设置.20
  • 2.5 Python 命令行模式.........26
  • 2.6 Notebook 模式......27
  • 2.7 模块库控制面板...29
  • 2.8 使用 pip 更新模块库......33
  • 第 3 章 Python 入门案例....39
  • 3.1 案例 3-1:第一次编程“hello,ziwang” ....39
  • 3.2 案例 3-2:增强版“hello,ziwang” ..42
  • 3.3 案例 3-3:列举系统模块库清单.......44
  • 3.4 案例 3-4:常用绘图风格.........45
  • 3.5 案例 3-5:Pandas 常用绘图风格.......47
  • 3.6 案例 3-6:常用颜色表 cors.....49
  • 3.7 案例源码.....50
  • 第 4 章 Python 基本语法....58
  • 4.1 数据类型.....58
  • 案例 4-1:基本运算.......59
  • 4.2 字符串.........61
  • 案例 4-2:字符串入门...61
  • 案例 4-3:字符串常用方法.....63
  • 4.3 List 列表......64
  • 案例 4-4:列表操作.......65
  • 4.4 Tuple 元组...66
  • 案例 4-5:元组操作.......67
  • 4.5 Dictionary 字典.....68
  • 案例 4-6:字典操作.......68
  • 4.6 数据类型转换.......70
  • 案例 4-7:控制语句.......71
  • 案例 4-8:函数定义.......73
  • 4.7 案例源码.....75
  • 第 5 章 Python 人工智能入门与实践......85
  • 5.1 从忘却开始.85
  • 5.2 Iris 经典爱丽丝.....89
  • 案例 5-1:Iris 爱丽丝 ....90
  • 案例 5-2:爱丽丝进化与文本矢量化.........92
  • 5.3 AI 操作流程95
  • 5.4 数据切割函数.......98
  • 案例 5-3:Iris 爱丽丝分解 ......99
  • 案例 5-4:线性回归算法.......103
  • 5.5 案例源码...109
  • 第 6 章 机器学习经典算法案例(上) . 116
  • 6.1 线性回归... 116
  • 6.2 逻辑回归算法.....124
  • 案例 6-1:逻辑回归算法.......125
  • 6.3 朴素贝叶斯算法.127
  • 案例 6-2:贝叶斯算法.129
  • 6.4 KNN 近邻算法 ...130
  • 案例 6-3:KNN 近邻算法.....133
  • 6.5 随机森林算法.....135
  • 案例 6-4:随机森林算法.......139
  • 6.6 案例源码...140
  • 第 7 章 机器学习经典算法案例(下) .149
  • 7.1 决策树算法.........149
  • 案例 7-1:决策树算法.151
  • 7.2 GBDT 迭代决策树算法.........153
  • 案例 7-2:GBDT 迭代决策树算法.154
  • 7.3 SVM 向量机 .......156
  • 案例 7-3:SVM 向量机算法.157
  • 7.4 SVM-cross 向量机交叉算法..159
  • 案例 7-4:SVM-cross 向量机交叉算法....160
  • 7.5 神经网络算法.....161
  • 案例 7-5:MLP 神经网络算法........165
  • 案例 7-6:MLP_reg 神经网络回归算法...168
  • 7.6 案例源码...170
  • 第 8 章 机器学习组合算法 .........183
  • 8.1 CCPP 数据集......183
  • 案例 8-1:CCPP 数据集........184
  • 案例 8-2:CCPP 数据切割....186
  • 案例 8-3:读取 CCPP 数据集.........189
  • 8.2 机器学习统一接口函数.........192
  • 案例 8-4:机器学习统一接口.........193
  • 案例 8-5:批量调用机器学习算法.201
  • 案例 8-6:一体化调用.205
  • 8.3 模型预制与保存.208
  • 案例 8-7:储存算法模型.......210
  • 案例 8-8:批量储存算法模型.........213
  • 案例 8-9:批量加载算法模型.........215
  • 案例 8-10:机器学习组合算法.......219
  • 8.4 案例源码...224
  • 附录 A Sklearn 常用模块和函数.242
  • 附录 B 极宽量化系统模块图......266

资源获取

相关资源

网友留言