书名: scikit-learn机器学习超入门 算法原理与实践
定价: 69.8
ISBN: 9787302688068
作者: 黄永昌
出版社: 清华大学出版社
出版日期: 2025-05
装帧: 平装
开本: 16
![]()
拨开笼罩在机器学习知识上方复杂的数学“乌云”
门槛超低,让数学功底薄弱的读者也可快速入门机器学习
详解机器学习的应用场景、编程步骤、Python开发包和算法模型性能评估
结合近100幅示意图,详解机器学习的8个常用算法的基本原理与应用
通过20多个典型示例和8个综合应用实例,手把手带领读者进行应用实践
提供79道典型习题,帮助读者巩固和自测所学知识,学习效果更好
免费提供书中涉及的配套源代码和教学PPT等超值资源
门槛超低:拨开笼罩在机器学习上方复杂的数学“乌云”,让不具备深厚数学功底的读者也可以快速入门机器学习。
通俗易懂:尽量避免大篇幅讲解晦涩难懂的专业术语和数学公式,而是用平实的语言将机器学习常用算法的基本原理讲透,并结合大量的图示、示例和实例帮助读者理解,非常符合学习和认知规律。
内容丰富:全面涵盖机器学习应用开发的典型步骤、Python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树算法、支持向量机算法、朴素贝叶斯算法、PCA算法和k-均值算法等相关内容。
图文并茂:结合近100幅示意图详解机器学习的8个常用算法的基本原理与应用,用图文并茂的方式帮助读者高效、直观地理解核心知识点,从而有效降低学习难度。
实用性强:讲解时给出20多个典型示例,并详解8个应用实例,展示如何使用机器学习算法解决实际应用问题,从而提高读者的实际动手能力。
提供习题:每章都提供多道习题(全书共79道),方便读者巩固和自测所学的知识,以达到更好的学习效果。
资源超值:免费提供书中涉及的配套源代码和教学PPT等资源,方便读者学习和相关院校与培训机构的老师教学时使用。
![]()
《scikit-learn机器学习超入门:算法原理与实践》通过通俗易懂的语言、丰富的图示和生动的实例,拨开了笼罩在机器学习上方的复杂数学“乌云”,让读者能以较低的门槛和学习成本快速入门机器学习。
《scikit-learn机器学习超入门:算法原理与实践》共11章,详细介绍在Python环境下学习scikit-learn机器学习框架的相关知识,涵盖的主要内容有机器学习应用开发的典型步骤、Python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树算法、支持向量机算法、朴素贝叶斯算法、PCA算法和k-均值算法等。
《scikit-learn机器学习超入门:算法原理与实践》内容丰富,讲解通俗易懂,适合有一定Python语言基础而想快速入门机器学习、深度学习和人工智能相关技术的人员和爱好者阅读,也适合作为相关院校和培训机构的教材或参考书。
![]()
1章 机器学习概述
1.1 什么是机器学习
1.2 机器学习有什么用
1.3 机器学习的分类
1.4 机器学习应用开发的典型步骤
1.4.1 数据采集和标记
1.4.2 数据清洗
1.4.3 特征选择
1.4.4 模型选择
1.4.5 模型训练和测试
1.4.6 模型的性能评估和优化
1.4.7 模型的使用
1.5 习题
第2章 Python机器学习软件包
2.1 开发环境搭建
2.2 IPython基础与Jupyter图形界面
2.2.1 IPython基础
2.2.2 Jupyter图形界面
2.3 NumPy简介
2.3.1 NumPy数组
2.3.2 NumPy运算
2.4 pandas简介
2.4.1 基本数据结构
2.4.2 数据排序
2.4.3 数据访问
2.4.4 时间序列
2.4.5 数据可视化
2.4.6 文件读写
2.5 Matplotlib简介
2.5.1 图形样式
2.5.2 图形对象
2.5.3 画图操作
2.6 scikit-learn简介
2.6.1 示例:用scikit-learn实现手写数字识别
2.6.2 用scikit-learn处理机器学习问题的通用规则
2.7 习题
2.8 拓展学习资源
第3章 机器学习理论基础
3.1 过拟合和欠拟合
3.2 成本函数
3.3 模型的准确性
3.3.1 模型性能的不同表述方式
3.3.2 交叉验证数据集
3.4 学习曲线
3.4.1 示例:画出学习曲线
3.4.2 过拟合和欠拟合的特征
3.5 算法模型性能优化
3.6 查准率和召回率
3.7 F1分数
3.8 习题
第4章 k-近邻算法
4.1 算法原理
4.1.1 算法的优缺点
4.1.2 算法的参数
4.1.3 算法的变种
4.2 示例:使用k-近邻算法进行分类
4.3 示例:使用k-近邻算法进行回归拟合
……
第5章 线性回归算法
第6章 逻辑回归算法
第7章 决策树算法
第8章 支持向量机算法
第9章 朴素贝叶斯算法
10章 PCA算法
11章 k-均值算法
后记
![]()
黄永昌, 2004年毕业于厦门大学,毕业后从事手机系统软件的研发工作。熟悉C、Python、Java和JavaScript等多种开发语言,对数据处理与分析有浓厚的兴趣。2014年开始涉猎机器学习和数据挖掘的相关知识。2015年加入ABB公司从事智能家居系统开发,通过分析服务器与客户端日志数据,为智能家居系统开发了智能决策模型。2024年初加入林德叉车,任机器人系统开发总监,深度参与机器学习、物体识别和机器视觉等相关开发工作。