基于Python的人工智能应用基础

第1章 绪论 1.1 人工智能的基本概念 1.2 人工智能的发展历程 1.2.1 人工智能的萌芽和诞生 1.2.2 人工智能的**次浪潮 1.2.3 人工智能的第二次浪潮 1.2.4 人工智能的第三次浪潮 1.3 生活中的人工智能 1.4 人工智能背后的技术——机器学习 1.4.1 机器学习与深度学习的关系 1.4.2 人工智能相关概念 1.5 非计算机专业的人学习人工智能的方法 1.6 本章小结 第2章 Python语言基础 2.1 引言 2.1.1 Python的发展历史 2.1.2 Python的特点 2.1.3 在人工智能领域使用Python语言的优点 2.2 环境介绍 2.2.1 Anaconda安装 2.2.2 Jupyter Notebook环境介绍 2.3 变量和基本数据类型 2.3.1 变量 2.3.2 字符串 2.3.3 数字 2.3.4 类型转换 2.4 常用运算符 2.4.1 算术运算符 2.4.2 赋值运算符 2.4.3 比较运算符 2.4.4 逻辑运算符 2.4.5 运算符的优先级 2.5 程序结构 2.5.1 分支结构 2.5.2 循环结构 2.6 其他常用数据类型 2.6.1 列表 2.6.2 元组 2.6.3 字典 2.7 函数 2.7.1 函数的定义与调用 2.7.2 函数参数 2.7.3 返回值 2.7.4 匿名函数 2.8 本章小结 第3章 机器学习相关库的介绍 3.1 基础科学计算库Numpy 3.2 数据分析库Pandas 3.2.1 Pandas中的数据类型 3.2.2 Pandas中的数据处理 3.3 机器学习库Scikit-learn 3.3.1 Sklearn中的数据集 3.3.2 数据预处理 3.3.3 数据建模 3.3.4 模型评估与优化 3.4 本章小结 第4章 数据获取 4.1 爬虫的基础知识 4.1.1 爬虫分类 4.1.2 robots协议 4.1.3 HTTP协议 4.1.4 网页结构 4.2 爬虫步骤 4.2.1 requests模块 4.2.2 BeautifulSoup模块 4.2.3 正则表达式 4.2.4 re模块 4.2.5 数据的存储 4.3 Ajax数据爬取 4.3.1 Ajax基本原理 4.3.2 Ajax方法分析 4.3.3 Ajax实例 4.4 本章小结 第5章 数据预处理 5.1 数据预处理概述 5.1.1 数据清理 5.1.2 数据变换 5.1.3 数据归约 5.1.4 数据集成 5.2 Pandas中数据预处理的方法 5.2.1 预处理数据的生成 5.2.2 缺失数据处理 5.2.3 格式的规范化 5.2.4 重复数据的去除 5.2.5 数据集成方法 5.3 Sklearn中数据预处理的方法 5.3.1 数据标准化 5.3.2 范畴特征编码 5.3.3 特征离散化 5.3.4 缺失数据处理 5.3.5 主成分分析 5.4 本章小结 第6章 数据可视化 6.1 Matplotlib库入门 6.2 简单图表绘制 6.2.1 折线图绘制 6.2.2 曲线图绘制 6.2.3 柱状图绘制 6.2.4 散点图绘制 6.2.5 饼图绘制 6.3 高级图表绘制 6.3.1 盒图／箱线图绘制 6.3.2 子图绘制 6.3.3 极坐标图绘制 6.4 文本数据可视化 6.4.1 文本数据可视化工具 6.4.2 用Python实现文本数据可视化的方法 6.5 本章小结 第7章 忌近邻算法及其应用 7.1 k近邻算法原理 7.2 k近邻算法在分类问题中的实现和应用 7.2.1 KNN分类器实现 7.2.2 KNN分类问题应用实战——鸢尾花分类 7.3 忌近邻算法在回归问题中的实现和应用 7.3.1 KNN回归分析方法 7.3.2 KNN回归分析实战——人脸填充 7.4 本章小结 第8章 朴素贝叶斯算法及其应用 8.1 贝叶斯分类器原理 8.2 朴素贝叶斯算法Python实现 8.2.1 高斯朴素贝叶斯分类器 8.2.2 伯努利朴素贝叶斯分类器 8.2.3 多项式朴素贝叶斯分类器 8.3 朴素贝叶斯算法的实战——对乳腺癌数据集进行辅助诊断 8.3.1 数据导入和初步分析 8.3.2 朴素贝叶斯分类器的建模和预测 8.4 本章小结 第9章 广义线性模型 9.1 线性模型的基本概念 9.2 常见的线性模型及其实现 9.2.1 *基本的线性模型——线性回归 9.2.2 改进的线性模型——岭回归 9.3 常见的线性分类模型及其实现 9.3.1 岭分类 9.3.2 逻辑回归 9.3.3 线性判别分析模型 9.4 本章小结 第10章 支持向量机 10.1 SVM的基本原理 10.2 SVM的实现 10.3 SVC、LinearSVC和NlaSVC性能比较 10.4 SVM的核函数参数设置 10.5 SVM实现手写字符的识别 10.5.1 导入并显示数据集 10.5.2 SVM分类器的建模和预测 10.6 本章小结 第11章 人工神经网络及其应用 11.1 人工神经网络的发展历史 11.1.1 **代人工神经网络 11.1.2 第二代人工神经网络 11.1.3 第三代人工神经网络 11.2 人工神经网络的原理及实现 11.3 人工神经网络分类器的实现和参数设置 11.3.1 人工神经网络分类器的实现 11.3.2 人工神经网络分类器的参数设置 11.4 人工神经网络实践——人脸识别 11.4.1 Olivetti人脸数据集 11.4.2 样本划分及MLP分类器训练 参考文献