[友一个正版]python在机器学习中的应用Python编程从零基础到项目实战基于Python的大数据分析基础及实战T

        店铺公告

为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。

温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货），

关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

随着大数据的兴起，Python 和机器学习迅速成为时代的宠儿。本书在内容编排上避免了枯燥的理论知识讲解，依循“理论简述——实际数据集——Python 程序实现算法”分析数据的思路，根据实际数据集的分析目的，采用合适的主流机器学习算法来解决问题。全书共12章，其中D1 ～ 4 章介绍了机器学习的基础知识；D5 ～ 12 章讨论了在面对不同的数据时，如何采用一些主流的算法来解决问题，主要包括回归分析、关联规则、无监督学习、文本LDA 模型、决策树和集成学习、朴素贝叶斯和K 近邻分类、支持向量机和神经网络，以及深 度学习入门等内容。针对每个算法，都给出Python 代码实现算法建模的过程，并结合可视化技术，帮助读者更好地理解算法和分析结果。 《Python 在机器学习中的应用》是使用Python 进行机器学习的入门实战教程，可作为以Python 为基础进行机器学习的本科生和研究生入门书籍，也可供对Python 机器学习感兴趣的研究人员参考阅读。  

《Python编程从零基础到项目实战（微课视频版）》是一本介绍Python相关知识的Python基础教程，也是一本Python视频教程，内容涉及算法、Python数据 分析、图形处理、Web开发、科学计算、项目管理、人工智能、Python爬虫等。其中DⅠ部分为Python基础篇，1先从Python的安装开始，随后介绍了变量 和数据类型、条件分支与循环、列表与元组、字典、函数、类、标准库以及程序中的异常现象及处理方法；DⅡ部分为Python提高篇，介绍了文件处理、图形 用户界面、数据库操作、线程与进程、测试及打包等知识；DⅢ部分为拓展篇，介绍了Python在Web应用、商业级别的技术框架、大数据应用、AI应用等方 面的拓展知识。全书通过“三酷猫”将案例串联起来，由浅入深、生动有趣，在增加趣味性的同时，让读者对Python的具体使用有一个完整的认识。另外， 本书配备了77集微视频讲解、提供完整的源代码及PPT课件下载。具体下载方法见“前言”中的相关介绍。 《Python编程从零基础到项目实战（微课视频版）》适合Python编程零基础读者、Python编程从入门到精通读者、在校学生、对Python编程感兴趣的在职 IT人员、教师等使用。本书也可作为相关培训机构的培训教材使用。

《基于Python的大数据分析基础及实战》是一本介绍如何用Python 3.6进行数据处理和分析的学习指南。其主要内容包括：Python语言基础、数据处理、数据分析、数据可视化，以及利用Python对数据库的操作、自建Python应用库的共享发布等。

《基于Python的大数据分析基础及实战》分3个部分：D1部分为基础知识，D2部分为实战案例，D3部分为拓展与延伸。本书内容丰富，讲解通俗易懂，FC适合本科生、研究生，以及对Python语言感兴趣或者想要使用Python语言进行数据分析的广大读者。

TensorFlow是谷歌研发的人工智能学习*统，是一个用于数值计算的开源软件库。《TensorFlow深度学习算法原理与编程实战》以基础+实践相结合的形式，详细介绍了TensorFlow深度学习算法原理及编程技巧。通读全书，读者不仅可以系统了解深度学习的相关知识，还能对使用TensorFlow进行深度学习算法设计的过程有更深入的理解。

《TensorFlow深度学习算法原理与编程实战》共14章，主要内容有：人工智能、大数据、机器学习和深度学习概述；深度学习及TensorFlow框架的相关背景；TensorFlow的安装；TensorFlow编程策略；深度前馈神经网络；优化网络的方法；全连神经网络的经典实践；卷积神经网络的基础知识；经典卷积神经网络的TensorFlow实现；循环神经网络及其应用；深度强化学习概述；TensorFlow读取数据的API；TensorFlow持久化模型的API；可视化工具TensorBoard的使用；TensorFlow使用多GPU或并行的方式加速计算等。

《TensorFlow深度学习算法原理与编程实战》内容通俗易懂，案例丰富，实用性强，特别适合对人工智能、深度学习感兴趣的的相关从业人员阅读，也适合没有相关基础但是对该方面研究充满兴趣的爱好者阅读。

D1部分  基  础  篇

D1章

Python语言基础    /2

1.0  引子    /2

1.1  工欲善其事，必先利其器（安装Python）    /3

1.2  学跑得先学走（语法基础）    /9

1.3  程序结构    /11

1.3.1  Hello World !    /11

1.3.2  运算符介绍    /12

1.3.3  顺序结构    /14

1.3.4  判断结构    /17

1.3.5  循环结构    /18

1.3.6  异常    /20

1.4  函数    /24

1.4.1  基本函数结构    /24

1.4.2  参数结构    /25

1.4.3  回调函数    /28

1.4.4  函数的递归与嵌套    /28

1.4.5  闭包    /31

1.4.6  匿名函数lambda    /32

1.4.7  关键字yield    /32

1.5  数据结构    /35

1.5.1  列表（list）    /35

1.5.2  元组（tuple）    /38

1.5.3  集合（set）    /39

1.5.4  字典（dict）    /40

1.5.5  集合的操作    /41

1.5.6  学以致用    /45

1.6  3个函数（map、filter、reduce）    /47

1.6.1  遍历函数（map）    /47

1.6.2  筛选函数（filter）    /48

1.6.3  累计函数（reduce）    /48

1.7  面向对象编程基础    /50

1.7.1  类    /50

1.7.2  类和实例    /51

1.7.3  数据封装    /52

1.7.4  私有变量与私有方法    /53

本章小结    /54

D2章

数据处理    /60

2.1  Anaconda简介    /60

2.2  Numpy简介    /66

2.3  关于Pandas    /68

2.3.1  什么是Pandas    /68

2.3.2  Pandas中的数据结构    /68

2.4  数据准备    /68

2.4.1  数据类型    /68

2.4.2  数据结构    /69

2.4.3  数据导入    /79

2.4.4  数据导出    /86

2.5  数据处理    /88

2.5.1  数据清洗    /89

2.5.2  数据抽取    /97

2.5.3  插入记录    /114

2.5.4  修改记录    /117

2.5.5  交换行或列    /120

2.5.6  排名索引    /122

2.5.7  数据合并    /131

2.5.8  数据计算    /137

2.5.9  数据分组    /141

2.5.10  日期处理    /143

带你飞（数据处理案例）    /148

本章小结    /160

D3章

数据分析    /165

3.1  基本统计分析    /165

3.2  分组分析    /169

3.3  分布分析    /171

3.4  交叉分析    /173

3.5  结构分析    /174

3.6  相关分析    /176

小试牛刀（相关分析案例：电商数据分析）    /178

本章小结    /180

D4章

数据可视化    /181

4.1  使用Python对数据进行可视化处理    /181

4.1.1  准备工作    /181

4.1.2  Matplotlib绘图示例    /186

4.1.3  Seabon中的图例    /198

4.1.4  pandas的一些可视化功能    /212

4.1.5  文本数据可视化    /217

4.1.6  networkx网络图    /218

4.1.7  folium绘制地图    /220

4.2  Python图像处理基础    /221

4.2.1  PIL图库    /221

4.2.2  OpenCV图库    /224

本章小结    /226

D5章

字符串处理与网络爬虫    /228

5.1  字符串处理    /228

5.1.1  字符串处理函数    /228

5.1.2  正则表达式    /230

5.1.3  编码处理    /237

5.2  网络爬虫    /240

5.2.1  获取网页源码    /240

5.2.2  从源码中提取信息    /241

5.2.3  数据存储    /246

5.2.4  网络爬虫从这里开始    /248

本章小结    /260

D2部分  实战案例篇

D6章

词云    /262

6.1  安装文件包    /263

6.2  jieba功能用法    /264

6.2.1  cut用法    /264

6.2.2  词频与分词字典    /265

6.3  文本词云图    /269

6.4  背景轮廓词云图的制作    /271

6.4.1  数据准备    /271

6.4.2  分词    /272

6.4.3  构建词云    /273

本章小结    /278

D7章

航空客户分类    /279

7.1  问题的提出    /279

7.2  聚类分析相关概念    /280

7.3  模型的建立    /281

7.4  Python实现代码    /281

7.5  分类结果展示与分析    /284

本章小结    /287

D8章

《红楼梦》文本分析    /288

8.1  准备工作    /289

8.2  分词    /291

8.2.1  读取数据    /291

8.2.2  数据预处理    /293

8.2.3  对红楼梦进行分词    /301

8.2.4  制作词云    /303

8.3  文本聚类分析    /312

8.3.1  构建分词TF-IDF矩阵    /312

8.3.2  使用TF-IDF矩阵对章节进行聚类    /314

8.4  LDA主题模型    /322

8.5  人物社交网络分析    /328

本章小结    /334

D3部分  拓展与延伸

D9章

Python字符串格式化    /336

9.1  使用%符号进行格式化    /336

9.2  使用format()方法进行格式化    /339

9.3  使用f方法进行格式化    /341

本章小结    /342

D10章

在Python中操作MySQL数据库    /343

10.1  对MySQL的连接与访问    /344

10.2  对MySQL的增、删、改、查操作    /345

10.2.1  查询操作    /345

10.2.2  插入操作    /346

10.2.3  更新操作    /347

10.2.4  删除操作    /347

10.3  创建数据库表    /348

本章小结    /349

D11章

fractal（分形）库的发布    /350

11.1  用Python绘制分形    /351

11.1.1  分形简介    /351

11.1.2  先睹为快    /351

11.1.3  绘制方法简介    /352

11.2  D三方库发布到PyPi    /364

本章小结    /369

参考文献    /370

显示全部信息

配套视频教程——手把手教你学Python

提炼避坑心法——简明、高效懂Python

实战案例分析——轻松、快速玩Python

讲解 实践 案例 视频 源代码 源数据

针对Python新手量身定做，入门BB的真爱之选

作者简介：余本国，博士，硕士研究生导师。于中北大学理学系任教，主讲线性代数、微积分、Python语言、大数据分析基础等课程。2012年到加拿大York University做访问学者。出版有《Python数据分析基础》等著作。