人工智能入门 常用工具

目录

第　1章Python语法要素　1

1.1用模块组织代码　1

1.2模块的两种使用方式　2

1.3编程的语法要素　4

1.3.1变量　4

1.3.2变量的数据类型和运算　5

1.4代码实战　1：计算二维空间两个点的距离　6

1.5数据结构　7

1.5.1列表　9

1.5.2字典　10

1.6代码实战　2：计算三维空间中两个点的距离　11

第　2章语法结构　13

2.1分支结构　13

2.2循环结构　14

2.2.1退出循环　15

2.2.2else　16

2.3代码实战：计算高维空间两个点的距离　16

第3章函数和类　18

3.1函数　18

3.1.1定义函数　18

3.1.2代码实战：距离函数　19

3.2类和对象　20

3.3类和继承　22

3.4小结　24

第4章走进机器学习　25

4.1不要关心概念　26

4.2数据建模　27

4.2.1用数学公式建模　27

4.2.2用概率建模　28

4.3机器学习的功能　30

4.3.1什么是分类问题　30

4.3.2什么是回归问题　32

4.3.3什么是聚类问题　34

4.4小结　36

第5章如何获取数据　37

5.1代码实战1：获得鸢尾花数据集　37

5.2　专家解读　39

5.3代码实战2：获得新闻数据集　40

5.4专家解读　41

5.5代码实战3：生成不均衡数据集　41

5.6专家解读　42

5.7小结　44

第6章读取外部数据　45

6.1代码实战1：从文件读取数据　45

6.2专家解读　46

6.2.1对时间的处理　47

6.2.2大文件迭代　47

6.2.3CSV文件的写操作　48

6.3libsvm格式文件的读写　49

6.4专家解读　50

6.5代码实战2：从MySQL读取数据　51

第7章数据可视化探索　53

7.1作者建议　53

7.2代码实战　1：观察分布　54

7.3代码实战　2：观察变量间关系　59

7.4小结　63

第8章数据清洗　65

8.1代码实战　1：特征类型校准　65

8.2代码实战　2：数据分布可视化　67

8.3代码实战　3：处理缺失值　69

8.4代码实战　4：经验法则和异常值处理　72

8.5代码实战　5：方差分析和变量筛选　75

第9章如何做回归　79

9.1代码实战　1：经典回归　79

9.2专家解读　82

9.3代码实战　2：多元线性回归　84

9.4专家解读　86

9.5代码实战　3：岭回归　86

9.6专家解读　87

9.7代码实战　4：Lasso回归　88

9.8专家解读　89

9.9代码实战　5：KDE回归　90

9.10专家解读　93

9.11小结　95

第　10章支持向量机和图像分类　96

10.1代码实战　1：支持向量机和图像识别　96

10.2专家解读　101

10.3代码实战　2：核技巧　104

10.4代码实战　3：软间隔 vs 硬间隔　108

10.5小结　109

第　11章模型评估和优化　110

11.1代码实战　1：如何评估模型的分数　111

11.2专家解读　112

11.3代码实战　2：绘制ROC曲线　114

11.4专家解读　117

11.5代码实战　3：使用交叉验证对模型评分　118

11.6小结　121

第　12章神经网络和深度学习　122

12.1神经网络　122

12.1.1M-P神经元模型　124

12.1.2前馈神经网络　124

12.2卷积神经网络　125

12.2.1CNN的典型结构示意　126

12.2.2卷积层　127

12.2.3ReLU层　128

12.2.4池化层　129

12.2.5全连接层　129

12.3BP算法　129

12.4盘点著名的CNN架构　130

第　13章深度学习的硬件和软件　133

13.1为什么是GPU　133

13.1.1GPU和矩阵运算　134

13.1.2CUDA　135

13.2深度学习框架　136

13.2.1框架的意义　137

13.2.2各种框架盘点　138

13.2.3什么是Keras　139

13.3小结　142

第　14章TensorFlow入门　143

14.1初识　143

14.2专家解读　144

14.3代码实战：线性回归　148

14.4小结　152

第　15章Keras入门必读　153

15.1代码实战1：用Keras做线性回归模型　154

15.2专家解读　157

15.2.1序列模型和函数式模型的区别　158

15.2.2激活层的简写　159

15.2.3Keras的scikit-learn接口　160

15.3　代码实战2：手写数字识别　161

15.4专家解读　168

15.5小结　172

第　16章识别交通标志　174

16.1认识数据　174

16.2从图片文件到张量　176

16.3搭建网络模型　181

16.4训练模型　183

16.5图像增强改进　187

16.6小结　191

第　17章站在巨人的肩膀上　193

17.1代码实战1：用VGG16做图像识别　194

17.2代码实战2：特征提取　196

17.3代码实战3：迁移学习　197

17.4经典网络通览　203

17.4.1VGG16　204

17.4.2GoogLeNet(Inception)　207

17.4.3ResNet　211

17.5小结　214

附录　工作环境搭建说明　215