【目录】
第1章绪论·
1.1人工智能概述
1.2模式识别与机器学p>
1.3机器学及深度学
第2章数据处理
2.1概述
2.2基于Python的常见数据处理
2.2.1列表索引
2.2.2列表切片
2.2.3列表推导式
2.2.4列表与字典、字符串的转换
2.2.5列表的其他常见操作·
2.3Numpy基础
2.3.1基础概念
2.3.2创建数组·
2.3.3基本运算…
2.3.4索引、切片和迭代
2.3.5数组合并·
2.3.6数组分割
2.3.7数组…
2.4 Pandas基础
2.4.1Pandas的主要数据结构
2.4.2索引与切片
2.4.3数据扩充和合并
2.4.4分组统计…
2.4.5文件的读取与导出
2.5 Matplotlib基础…
2.5.1基础概念·
2.5.2在不同环境下的图形显示
2.5.3 Matplotlib绘图样式
2.5.4散点图绘制…
2.5.5可视化误差·
2.5.6二维平面常见绘图形式…
2.5.维图形
本章小结
/p>
第3章 机器学Sklearn实战
3.1概述…
3.2数据预处理…
3.2.1缺失值补全…
3.2.2数据无量纲化·
3.2.3类别特征编码…
3.2.4数据离散化…
3.3示例数据集…
3.3.1小型标准数据集
3.3.2真实世界数据集
3.3.3算法生成数据集
3.4有监督学p>
3.4.1多元线回归实战
3.4.2逻辑回归实战
3.5无监督学p>
3.5.1数据降维实战
3.5.2聚类分析实战
3.5.3盲源信号分离实战
3.6半监督学本章小结
/p>
第4章 深度学4.1人工神经网络起源
……
7.4.2导入必要
7.4.3构建数据集对象
7.4.4模型设计
7.4.5定义命名实体识别类
7.4.6模型训练
7.4.7模型部署与测试
7.4.8小结
7.5基于RNN模型的诗词生成
7.5.1构建数据集
7.5.2导入必要
7.5.3模型设计
7.5.4模型训练
7.5.5模型部署与测试
7.5.6小结
参考文献
1.1人工智能概述
1.2模式识别与机器学p>
1.3机器学及深度学
第2章数据处理
2.1概述
2.2基于Python的常见数据处理
2.2.1列表索引
2.2.2列表切片
2.2.3列表推导式
2.2.4列表与字典、字符串的转换
2.2.5列表的其他常见操作·
2.3Numpy基础
2.3.1基础概念
2.3.2创建数组·
2.3.3基本运算…
2.3.4索引、切片和迭代
2.3.5数组合并·
2.3.6数组分割
2.3.7数组…
2.4 Pandas基础
2.4.1Pandas的主要数据结构
2.4.2索引与切片
2.4.3数据扩充和合并
2.4.4分组统计…
2.4.5文件的读取与导出
2.5 Matplotlib基础…
2.5.1基础概念·
2.5.2在不同环境下的图形显示
2.5.3 Matplotlib绘图样式
2.5.4散点图绘制…
2.5.5可视化误差·
2.5.6二维平面常见绘图形式…
2.5.维图形
本章小结
/p>
第3章 机器学Sklearn实战
3.1概述…
3.2数据预处理…
3.2.1缺失值补全…
3.2.2数据无量纲化·
3.2.3类别特征编码…
3.2.4数据离散化…
3.3示例数据集…
3.3.1小型标准数据集
3.3.2真实世界数据集
3.3.3算法生成数据集
3.4有监督学p>
3.4.1多元线回归实战
3.4.2逻辑回归实战
3.5无监督学p>
3.5.1数据降维实战
3.5.2聚类分析实战
3.5.3盲源信号分离实战
3.6半监督学本章小结
/p>
第4章 深度学4.1人工神经网络起源
……
7.4.2导入必要
7.4.3构建数据集对象
7.4.4模型设计
7.4.5定义命名实体识别类
7.4.6模型训练
7.4.7模型部署与测试
7.4.8小结
7.5基于RNN模型的诗词生成
7.5.1构建数据集
7.5.2导入必要
7.5.3模型设计
7.5.4模型训练
7.5.5模型部署与测试
7.5.6小结
参考文献
