內(nèi)容全面 循序漸進(jìn)地引導(dǎo)讀者掌握機(jī)器學(xué)習(xí)的常用方法。

案例實(shí)用 以實(shí)際問(wèn)題為案例，提升計(jì)算思維能力。

資源豐富 講解視頻、程序源碼、習(xí)題答案等資源，方便讀者學(xué)習(xí)使用。

前　　言

機(jī)器學(xué)習(xí)是人工智能的一個(gè)重要分支，被廣泛應(yīng)用于大數(shù)據(jù)相關(guān)的諸多領(lǐng)域，深入推動(dòng)了各個(gè)行業(yè)的創(chuàng)新與變革。對(duì)于當(dāng)今的高校學(xué)生，全面理解且有效運(yùn)用機(jī)器學(xué)習(xí)方法是十分必要的。面對(duì)新時(shí)代的發(fā)展需求，為培養(yǎng)學(xué)生應(yīng)對(duì)時(shí)代變革所需的能力，從2015年開(kāi)始北京大學(xué)醫(yī)學(xué)部面向本科生和研究生開(kāi)設(shè)多門(mén)機(jī)器學(xué)習(xí)相關(guān)選修課，同時(shí)將機(jī)器學(xué)習(xí)的相關(guān)內(nèi)容融入到本科生的“大學(xué)計(jì)算機(jī)”這門(mén)必修課中。多位老師花費(fèi)大量時(shí)間和精力進(jìn)行課程的建設(shè)和改革，形成完整的教學(xué)內(nèi)容及豐富的案例式教學(xué)課程資源，這些課程深受學(xué)生的喜愛(ài)。因此我們反復(fù)對(duì)課程實(shí)施過(guò)程中的教學(xué)資源及教學(xué)經(jīng)驗(yàn)進(jìn)行梳理總結(jié)，并編寫(xiě)整理成書(shū)，為更多高校的教育教學(xué)提供參考。

本書(shū)面向各領(lǐng)域的實(shí)際問(wèn)題需求，以培養(yǎng)學(xué)生的計(jì)算思維能力為目標(biāo)，以全新的視角組織內(nèi)容，按照數(shù)據(jù)分析的流程，通過(guò)機(jī)器學(xué)習(xí)方法和應(yīng)用實(shí)踐相結(jié)合的方式深入講解常用算法。

本書(shū)既注重思維培養(yǎng)，又兼顧應(yīng)用需求，在通俗易懂的前提下，追求知識(shí)體系的系統(tǒng)性，盡可能全面展示機(jī)器學(xué)習(xí)的方法及應(yīng)用。

本書(shū)具有以下特點(diǎn)：

1. 內(nèi)容全面。以機(jī)器學(xué)習(xí)的角度，按照數(shù)據(jù)分析的流程組織內(nèi)容，循序漸進(jìn)地引導(dǎo)讀者掌握機(jī)器學(xué)習(xí)的常用方法，逐步培養(yǎng)讀者的數(shù)據(jù)素養(yǎng)。

2. 案例實(shí)用。本書(shū)選用實(shí)際問(wèn)題作為案例，以Python語(yǔ)言為載體，讓讀者通過(guò)簡(jiǎn)單的代碼輕松實(shí)現(xiàn)機(jī)器學(xué)習(xí)的整個(gè)過(guò)程，解決實(shí)際問(wèn)題，快速獲得計(jì)算思維能力的提升。

3. 資源豐富。本書(shū)提供重點(diǎn)例題的講解視頻⒊絳蛟綽搿⑾疤獾榷嘀紙?zhí)学自嚧，扫描蕶┬蠂娄位置诞��维码可以灾O吖劭礎(chǔ)⒀�习��

4. 作者團(tuán)隊(duì)優(yōu)秀。編寫(xiě)本書(shū)的教師都具有多年的一線(xiàn)教學(xué)經(jīng)驗(yàn)，本書(shū)重難點(diǎn)突出，能夠激發(fā)學(xué)生的學(xué)習(xí)熱情。

本書(shū)由王路漫、齊惠穎任主編，張愛(ài)桃、王靜、殷蜀梅、周瑜任副主編。參編人員撰寫(xiě)任務(wù)情況如下：第1、6、11章由王路漫編寫(xiě)，第2章由王晨編寫(xiě)，第3章由齊惠穎編寫(xiě)，第4章由楊莉編寫(xiě)，第5、8章由張愛(ài)桃編寫(xiě)，第7、10章由王靜編寫(xiě)，第9章由周瑜編寫(xiě)，第12章由殷蜀梅編寫(xiě)。王路漫、周瑜和焦影倩共同完成本書(shū)的統(tǒng)稿和定稿工作。

此外，中國(guó)水利水電出版社的有關(guān)負(fù)責(zé)同志對(duì)本書(shū)的出版給予了大力支持，特別是周益丹副編審，在本書(shū)的策劃和寫(xiě)作中，提出了寶貴的意見(jiàn)，在此深表感謝。

由于編者水平有限，書(shū)中難免出現(xiàn)遺漏和不當(dāng)之處，敬請(qǐng)讀者提出寶貴建議，批評(píng)指正！

王路漫

2022年6月

前言
第1章　機(jī)器學(xué)習(xí)概述 1
1.1 機(jī)器學(xué)習(xí)的概念 1
1.2　機(jī)器學(xué)習(xí)的分類(lèi) 2
1.2.1　實(shí)際問(wèn)題的分類(lèi) 2
1.2.2　根據(jù)訓(xùn)練方法進(jìn)行分類(lèi) 2
1.3 機(jī)器學(xué)習(xí)的開(kāi)發(fā)流程 3
1.4 機(jī)器學(xué)習(xí)的應(yīng)用 4
本章小結(jié) 6
習(xí) 題 6
第2章　Python語(yǔ)言基礎(chǔ) 7
2.1 Python語(yǔ)言概述 7
2.1.1 Python簡(jiǎn)介 7
2.1.2 Python優(yōu)勢(shì) 7
2.2　Python環(huán)境配置與使用 8
2.2.1 Anaconda的安裝方法 8
2.2.2 Spyder的環(huán)境介紹 12
2.2.3 第三方庫(kù)的安裝方法 13
2.3　數(shù)據(jù)分析相關(guān)庫(kù)的介紹 15
2.3.1 NumPy庫(kù) 15
2.3.2 Pandas庫(kù) 19
2.3.3 Sklearn庫(kù) 22
本章小結(jié) 24
習(xí) 題 24
第3章 網(wǎng)絡(luò)爬蟲(chóng) 26
3.1 網(wǎng)絡(luò)爬蟲(chóng)基本知識(shí) 26
3.1.1 網(wǎng)絡(luò)爬蟲(chóng)簡(jiǎn)介 26
3.1.2 HTTP協(xié)議 28
3.1.3 HTML語(yǔ)言 32
3.1.4 CSS樣式表 33
3.1.5 JavaScript腳本 34
3.2 網(wǎng)頁(yè)內(nèi)容獲取方法 35
3.2.1 requests主要方法 35
3.2.2 response對(duì)象 39
3.3 網(wǎng)頁(yè)內(nèi)容解析方法 40
3.3.1 BeautifulSoup 40
3.3.2 正則表達(dá)式 46
3.4 數(shù)據(jù)存儲(chǔ) 50
3.4.1 TXT格式存儲(chǔ) 51
3.4.2 JSON格式存儲(chǔ) 51
3.4.3 CSV格式存儲(chǔ) 52
3.4.4 圖片文件存儲(chǔ) 52
本章小結(jié) 52
習(xí) 題 53
第4章　數(shù)據(jù)預(yù)處理與特征工程 54
4.1　數(shù)據(jù)預(yù)處理的主要方法 54
4.1.1 刪除數(shù)據(jù) 54
4.1.2 缺失值處理 56
4.1.3 重復(fù)值處理 60
4.1.4 異常值處理 62
4.1.5 數(shù)據(jù)類(lèi)型的轉(zhuǎn)換 62
4.2　特征選擇的主要方法 64
4.2.1 過(guò)濾法 64
4.2.2 包裹法 67
4.2.3 嵌入法 68
4.3　數(shù)據(jù)預(yù)處理與特征工程綜合實(shí)例
——Titanic生存分析 68
本章小結(jié) 73
習(xí) 題 73
第5章　多元回歸分析 75
5.1　多元線(xiàn)性回歸 75
5.1.1　線(xiàn)性回歸的基本原理 75
5.1.2 多元線(xiàn)性回歸的實(shí)現(xiàn) 79
5.1.3 回歸模型的評(píng)估指標(biāo) 81
5.2　多重共線(xiàn)性問(wèn)題 83
5.2.1　多重共線(xiàn)性的定義 83
5.2.2　嶺回歸 85
5.2.3　Lasso回歸 89
5.3 非線(xiàn)性回歸——多項(xiàng)式回歸 91
5.3.1　多項(xiàng)式回歸的基本概念 92
5.3.2　多項(xiàng)式回歸的實(shí)現(xiàn) 93
5.4　Logistic回歸 94
5.4.1　Logistic回歸模型 94
5.4.2　Logistic回歸參數(shù)估計(jì) 96
5.4.3　Logistic回歸評(píng)估指標(biāo) 98
5.4.4　應(yīng)用實(shí)例 100
本章小結(jié) 103
習(xí) 題 103
第6章 分類(lèi)方法 106
6.1 分類(lèi)方法概述 106
6.2 決策樹(shù) 107
6.2.1 決策樹(shù)方法的基本概念 107
6.2.2　決策樹(shù)方法的工作方式 108
6.2.3　屬性選擇的度量 109
6.2.4　決策樹(shù)算法——ID3算法 110
6.2.5 Sklearn中決策樹(shù)算法的實(shí)現(xiàn) 110
6.2.6　決策樹(shù)算法應(yīng)用實(shí)例 113
6.3 隨機(jī)森林 117
6.3.1 隨機(jī)森林概述 117
6.3.2 Sklearn中隨機(jī)森林算法的實(shí)現(xiàn) 118
6.3.3 隨機(jī)森林算法應(yīng)用實(shí)例 118
6.4　分類(lèi)算法評(píng)估 122
6.4.1　評(píng)估準(zhǔn)則 122
6.4.2 評(píng)估過(guò)程 122
6.4.3 評(píng)估方法 123
6.4.4 評(píng)估實(shí)例 124
本章小結(jié) 125
習(xí) 題 125
第7章 支持向量機(jī) 126
7.1 支持向量機(jī)算法概述 126
7.2　SVM的分類(lèi)實(shí)現(xiàn)方法及案例 129
7.2.1 SVC支持向量分類(lèi)算法 129
7.2.2 NuSVC支持向量分類(lèi)算法 131
7.2.3 LinearSVC線(xiàn)性支持向量分類(lèi)算法 133
7.3 SVM的回歸實(shí)現(xiàn)方法及案例 135
7.3.1 SVR回歸實(shí)現(xiàn)方法 135
7.3.2 NuSVR回歸實(shí)現(xiàn)方法 137
7.3.3 LinearSVR回歸實(shí)現(xiàn)方法 138
7.4 SVM異常檢測(cè)的實(shí)現(xiàn)方法 139
7.5 SVM實(shí)戰(zhàn)——人臉識(shí)別 140
7.5.1 導(dǎo)入并顯示數(shù)據(jù)集 141
7.5.2 SVM分類(lèi)器模型選擇和優(yōu)化 142
本章小結(jié) 144
習(xí) 題 144
第8章 樸素貝葉斯方法 146
8.1 樸素貝葉斯方法概述 146
8.1.1　貝葉斯定理 146
8.1.2　樸素貝葉斯方法原理 147
8.2　不同分布下的貝葉斯方法 148
8.2.1　高斯樸素貝葉斯方法 148
8.2.2　多項(xiàng)式樸素貝葉斯方法 150
8.3 樸素貝葉斯實(shí)例——文本分類(lèi) 152
8.4 概率類(lèi)模型評(píng)估的評(píng)估指標(biāo) 154
8.4.1 布利爾分?jǐn)?shù) 155
8.4.2 對(duì)數(shù)損失函數(shù) 156
8.4.3 可靠性曲線(xiàn) 156
本章小結(jié) 158
習(xí) 題 159
第9章 聚類(lèi)分析方法 161
9.1 聚類(lèi)分析方法與無(wú)監(jiān)督學(xué)習(xí) 161
9.1.1 聚類(lèi)分析方法 161
9.1.2 聚類(lèi)分析和分類(lèi)分析的區(qū)別 162
9.2 k-均值聚類(lèi)算法 162
9.2.1 k-均值聚類(lèi)算法概述 162
9.2.2 距離度量 163
9.2.3 Sklearn中k-均值聚類(lèi)算法的實(shí)現(xiàn) 164
9.2.4 k-均值聚類(lèi)算法的優(yōu)缺點(diǎn) 166
9.3 密度聚類(lèi)算法 167
9.3.1 密度聚類(lèi)算法概述 167
9.3.2 DBSCAN算法的實(shí)現(xiàn) 169
9.4 聚類(lèi)算法的評(píng)估 170
9.4.1 確定聚類(lèi)簇?cái)?shù)k 170
9.4.2 評(píng)估聚類(lèi)質(zhì)量 172
9.5 聚類(lèi)算法實(shí)例 174
本章小結(jié) 177
習(xí) 題 178
第10章 人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 179
10.1 人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)概述 179
10.2 人工神經(jīng)網(wǎng)絡(luò)的原理 181
10.2.1 人工神經(jīng)元模型 181
10.2.2 人工神經(jīng)網(wǎng)絡(luò)模型 185
10.2.3 人工神經(jīng)網(wǎng)絡(luò)算法 186
10.3 BP神經(jīng)網(wǎng)絡(luò) 186
10.3.1　BP神經(jīng)網(wǎng)絡(luò)的模型 187
10.3.2　BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 187
10.3.3　BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) 188
10.4 人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)方法 189
10.4.1 MLPClassifier介紹 189
10.4.2 MLPClassifier案例 190
10.5 人工神經(jīng)網(wǎng)絡(luò)算法實(shí)戰(zhàn)——人臉識(shí)別 195
10.5.1　導(dǎo)入數(shù)據(jù)集并進(jìn)行數(shù)據(jù)集劃分 196
10.5.2 優(yōu)化MLP分類(lèi)器模型 196
10.5.3 MLP分類(lèi)器模型預(yù)測(cè) 200
本章小結(jié) 201
練 習(xí) 201
第11章 數(shù)據(jù)可視化 202
11.1 數(shù)據(jù)可視化的概念及分類(lèi) 202
11.2 使用Matplotlib庫(kù)進(jìn)行圖表的繪制 204
11.2.1　圖表的主要元素及繪制步驟 204
11.2.2 簡(jiǎn)單圖表繪制 206
11.2.3　多圖組合繪制 214
本章小結(jié) 216
習(xí) 題 217
第12章 基于Pyecharts的大數(shù)據(jù)可視化圖表 218
12.1 Pyecharts概述 218
12.1.1 Pyecharts的簡(jiǎn)介 218
12.1.2 Pyecharts的主要繪制步驟 218
12.2 基于文本數(shù)據(jù)生成詞云圖 221
12.2.1 利用Pyecharts繪制英文詞云圖 221
12.2.2 利用jieba繪制中文詞云圖 222
12.3 基于結(jié)構(gòu)化數(shù)據(jù)生成立體交互式圖表 223
12.4 基于JSON格式文件繪制�；鶊D 225
12.5 繪制圓形關(guān)系圖 227
本章小結(jié) 229
習(xí) 題 229
參考文獻(xiàn) 230

1. 零基礎(chǔ)玩轉(zhuǎn)國(guó)產(chǎn)大模型DeepSeek [徐永冰 張帥 編著]
2. 網(wǎng)絡(luò)工程師5天修煉（適配第6版考綱） [主編　朱小平 施游]
3. 信息系統(tǒng)項(xiàng)目管理師考試32小時(shí)通關(guān)（適用第4版考綱） [薛大龍]
4. 信息系統(tǒng)管理工程師考試32小時(shí)通關(guān)（適配第2版考綱） [薛大龍　劉偉]
5. 土木工程材料檢測(cè)實(shí)訓(xùn) [洪曉江 達(dá)則曉麗 錢(qián)波]
6. 科技信息檢索與論文寫(xiě)作實(shí)用教程 [李振華]
7. 傳統(tǒng)山水畫(huà)論解讀與實(shí)踐 [陳鈉 著]
8. Python數(shù)據(jù)庫(kù)編程 [主編 殷樹(shù)友 邢 翀]
9. 計(jì)算機(jī)基礎(chǔ)實(shí)訓(xùn)指導(dǎo) [主編 袁春萍 朱妮]
10. 嵌入式人工智能技術(shù)應(yīng)用（數(shù)字教材） [主編 胡娜 楊國(guó)勇 晏廷榮]
11. Vienna整流器技術(shù) [桂存兵 著]
12. 變頻器與伺服應(yīng)用 [陳剛 葉云飛]
13. 物聯(lián)網(wǎng)工程設(shè)計(jì)與實(shí)踐 [湯琳 李敏]
14. 爐邊夜話(huà)——深入淺出話(huà)AI [汪建　著]
15. 電商運(yùn)營(yíng)與管理 [鐘肖英 陳瀟]
16. Java面向?qū)ο蟪绦蛟O(shè)計(jì) [主編 姜春磊 陳虹潔]
17. 信息技術(shù)基礎(chǔ)（Windows 10+WPS Office）（微課版） [主編　石利平　田輝平　謝盛嘉]
18. 人工智能應(yīng)用 [主編　陳　萍　劉培培　陳孟軍]
19. 大學(xué)生職業(yè)發(fā)展與就業(yè)指導(dǎo) [主編　劉志堅(jiān)]
20. 高級(jí)辦公應(yīng)用項(xiàng)目教程 [主編 屈晶 趙成麗]
21. 微信小程序開(kāi)發(fā)項(xiàng)目實(shí)戰(zhàn)（微課版） [主編 黃龍泉 郭峰 朱倩]
22. 企業(yè)檔案工作實(shí)戰(zhàn)寶典百問(wèn)百答 [華俊 盧秀英 邵甜甜 著]
23. 計(jì)算機(jī)網(wǎng)絡(luò)原理及應(yīng)用 [主編 唐繼勇 葉坤 孫夢(mèng)娜]
24. 大學(xué)生創(chuàng)業(yè)基礎(chǔ) [主編 王麗莉 王 楊]
25. 船舶輔機(jī) [主編 王連海 于洋 姜淑翠]
26. 大學(xué)生就業(yè)指導(dǎo) [主編 王麗莉 董宴廷]
27. 系統(tǒng)架構(gòu)設(shè)計(jì)師章節(jié)習(xí)題與考點(diǎn)特訓(xùn) [主編 薛大龍 鄒月平]
28. 高校學(xué)生工作探索與實(shí)踐 [郭亮 著]
29. 大學(xué)生情商管理 [方雄 著]
30. 2023年長(zhǎng)沙市會(huì)展業(yè)發(fā)展報(bào)告 [主編 周棟良]