领导力法则
陆禹萌
已完结· 7.97万字
[中国纺织出版社]
作品简介
目录 (200章)
《Python机器学习算法与实战》基于Python语言，结合实际的数据集，介绍如何使用机器学习与深度学习算法，对数据进行实战分析。本书在内容上循序渐进，先介绍了Python的基础内容，以及如何利用Python中的第三方库对数据进行预处理和探索可视化的相关操作，然后结合实际数据集，分章节介绍了机器学习与深度学习的相关算法应用。 《Python机器学习算法与实战》为读者提供了源程序和使用的数据集，方便读者在阅读时同步运行程序，在增强学习效果的同时为读者节省了编写程序的时间。源程序使用Notebook的形式进行组织，每个小节注释清晰，讲解透彻。同时为程序配备了相应的视频讲解，辅助读者加强对程序的理解和消化。本书在简明扼要地介绍算法原理的同时，更加注重实战应用和对结果的解读。 《Python机器学习算法与实战》适合需要掌握机器学习与深度学习基础的读者，学习完本书后，读者将会具备选择合适算法，完成对自有数据集的预处理、建模分析与预测的能力，并且会对机器学习与深度学习算法有更深的理解。
第1章 Python机器学习入门
正文
第1章 Python机器学习入门1.1 机器学习简介1.1.1 机器学习是什么1.1.2 机器学习算法分类1.2 安装Anaconda（Python）1.2.1 Spyder1.2.2 JupyterNotebook1.2.3 JupyterLab1.3 Python快速入门1.3.1 列表、元组和字典1.3.2 条件判断、循环和函数1.4 Python基础库入门实战1.4.1 NumPy库应用入门1.4.2 pandas库应用入门1.4.3 Matplotlib库应用入门1.5 机器学习模型初探1.6 本章小结第2章 数据探索与可视化2.1 缺失值处理2.1.1 简单的缺失值处理方法2.1.2 复杂的缺失值填充方法2.2 数据描述与异常值发现2.2.1 数据描述统计2.2.2 发现异常值的基本方法2.3 可视化分析数据关系2.3.1 连续变量间关系可视化分析2.3.2 分类变量间关系可视化分析2.3.3 连续变量和分类变量间关系可视化分析2.3.4 其他类型数据可视化分析2.4 数据样本间的距离2.5 本章小结第3章 特征工程3.1 特征变换3.1.1 数据的无量纲化处理3.1.2 数据特征变换3.2 特征3.2.1 分类特征重新编码3.2.2 数值特征重新编码3.2.3 文本数据的特征构建3.3 特征选择3.3.1 基于统计方法3.3.2 基于递归消除特征法3.3.3 基于机器学习的方法3.4 特征提取和降维3.4.1 主成分分析3.4.2 核主成分分析3.4.3 流形学习3.4.4 t-SNE3.4.5 多维尺度分析3.5 数据平衡方法3.5.1 基于过采样算法3.5.2 基于欠采样算法3.5.3 基于过采样和欠采样的综合算法3.6 本章小结第4章 模型选择和评估4.1 模型拟合效果4.1.1 欠拟合与过拟合表现方式4.1.2 避免欠拟合与过拟合的方法4.2 模型训练技巧4.2.1 交叉验证4.2.2 参数网络搜索4.3 模型的评价指标4.3.1 分类效果评价4.3.2 回归效果评价4.3.3 聚类效果评价4.4 本章小结第5章 假设检验和回归分析5.1 假设检验5.1.1 数据分布检验5.1.2 t检验5.1.3 方差分析5.2 一元回归5.2.1 一元线性回归5.2.2 一元非线性回归5.3 多元回归5.3.1 多元线性回归5.3.2 逐步回归5.3.3 多元自适应回归样条5.4 正则化回归分析5.4.1 Ridge回归分析5.4.2 LASSO回归分析5.4.3 弹性网络回归5.5 Logistic回归分析5.5.1 数据准备与可视化5.5.2 逻辑回归分类5.6 本章小结6.1.1 白噪声检验6.1.2 平稳性检验6.1.3 自相关分析和偏自相关分析6.2 移动平均算法6.2.1 简单移动平均法6.2.2 简单指数平滑法6.2.3 霍尔特线性趋势法6.2.4 Holt-Winters季节性预测模型6.3 ARIMA模型6.3.1 AR模型6.3.2 ARMA模型6.3.3 ARIMA模型6.4 SARIMA模型6.5.1 数据准备6.5.2 模型建立与数据预测6.6.1 数据准备与可视化6.6.2 ARIMAX模型建立与预测6.7.1 数据准备与可视化6.8 本章小结第7章 聚类算法与异常值检测7.1 模型简介7.1.1 常用的聚类算法7.1.2 常用的异常值检测算法7.2 数据聚类分析7.2.1 K-均值与K-中值聚类算法7.2.2 层次聚类7.2.3 谱聚类与模糊聚类7.2.4 密度聚类（DBSCAN）7.2.5 高斯混合模型聚类7.2.6 亲和力传播聚类7.2.7 BIRCH聚类7.3 数据异常值检测分析7.3.1 LOF和COF算法7.3.2 带有异常值的高维数据探索7.3.3 基于PCA与SOD的异常值检测方法7.3.4 孤立森林异常值检测7.3.5 支持向量机异常值检测7.4 本章小结第8章 决策树和集成学习8.1 模型简介与数据准备8.1.1 决策树与集成学习算法思想8.1.2 数据准备和探索8.2决策树模型8.2.1 决策树模型数据分类8.2.2 决策树模型数据回归8.3 随机森林模型8.3.1 随机森林模型数据分类8.3.2 随机森林模型数据回归8.4 AdaBoost模型8.4.1 AdaBoost模型数据分类8.4.2 AdaBoost模型数据回归8.5 梯度提升树（GBDT）8.5.1 GBDT模型数据分类8.5.2 GBDT模型数据回归8.6 本章小结第9章 贝叶斯算法和K-近邻算法9.1 模型简介9.2 贝叶斯分类算法9.2.1 文本数据准备与可视化9.2.2 朴素贝叶斯文本分类9.3 贝叶斯网络数据分类9.3.1 自定义贝叶斯网络结构9.3.2 搜索所有网络结构9.3.3 启发式搜索网络结构9.4 K-近邻算法9.4.1 K-近邻数据分类9.4.2 K-近邻数据回归9.5 本章小结第10章 支持向量机和人工神经网络10.1 模型简介10.2 支持向量机模型10.2.1支持向量机数据分类10.2.2 支持向量机数据回归10.3 全连接神经网络模型10.3.1 单隐藏层全连接神经网络数据分类10.3.2 多隐藏层全连接神经网络数据分类10.3.3 全连接神经网络数据回归10.4 本章小结第11章 关联规则与文本挖掘11.1 模型简介11.1.1 关联规则11.1.2 文本挖掘11.2 数据关联规则挖掘11.2.1 FPGrowth关联规则挖掘11.2.2 Apriori关联规则挖掘11.3 文本数据预处理11.3.1 英文文本预处理11.3.2 《三国演义》文本预处理11.4 文本聚类分析11.4.1 文本数据特征获取11.4.2 常用的聚类算法11.4.3 LDA主题模型11.5 《三国演义》人物关系分析11.5.2 人物关系可视化分析11.6 本章小结第12章 深度学习入门12.1 深度学习介绍12.1.1 卷积和池化12.1.2 卷积神经网络12.1.3 循环神经网络12.1.4 自编码网络12.2 PyTorch入门12.2.1 张量的使用12.2.2 常用的层12.3 卷积神经网络识别草书12.3.1 草书数据预处理与可视化12.3.2 ResNet18网络识别草书12.4 循环神经网络新闻分类12.4.1 数据准备12.4.2 LSTM网络文本分类12.5 自编码网络重构图像12.5.1 数据准备12.5.2 自编码网络重构手写数字12.6 本章小结
精选推荐
销售心理学
兰华
已完结· 1867字
[中国纺织出版社]
销售就是玩转情商
王威
已完结· 4513字
[中国纺织出版社]
销售员情商实战训练
刘军
已完结· 2380字
成功的销售需要高智商，更需要高情商。一个销售员的销售业绩，往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商，提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导，以及实战点拨和情商拓展训练，帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置，有效降低读者阅读疲劳，提高阅读兴趣，不论是奔波在路上的销售小白，还是带领团队奋勇向前的销售经理，都能从中找到适合自己的销售软技巧。
让未来的你，感谢现在勇敢的自己
王介威
已完结· 8.95万字
[中国纺织出版社]
行为心理学：华生的实用心理学课
（美）约翰·华生著.倪彩
已完结· 11.82万字
[中国纺织出版社]
行为心理学入门（完全图解版）
武莉
已完结· 7.36万字
行为心理学入门（完全图解版）是以作者多来年的心理辅导和咨询数据为素材，对现实生活中的行为心理学应用进行了形象、深入、全面的论述和解读。本书与日本心理学图解书形式相同，浅显易读，有趣又益。
自卑与超越
（奥）阿尔弗雷德·阿德勒
已完结· 9.57万字
《自卑与（全译插图典藏版）》是个体心理学研究领域的著作，也是人本主义心理学先驱阿尔弗雷德·阿德勒的很好著作。阿德勒的学说以“自卑感”与“创造性自我”为中心，并强调“社会意识”。全书立足个人心理学的观点，从教育、家庭、婚姻、伦理、社交等多个领域，以大量的实例为论述基础，阐明了人生意义的真谛，帮助人们克服自卑、不断超自己，正确对待职业，正确理解社会与性。本书直接促进了亲子教育、人格培养、婚姻与爱情、职业生涯、家庭建设、人际关系等诸多领域的长足发展，成为人们了解心理学的经典读物。
自制力：道理我都懂，为什么就是过不好人生
邱开杰
已完结· 8.24万字
[中国纺织出版社]