机器学习入门:Python语言实现

译者序
前言
第1章　Python 3简介 1
11　Python相关工具与安装 1
111　Python相关工具 1
112　安装Python 3
113　设置PATH环境变量（仅Windows） 3
12　Python编程基础 3
121　Python交互式解释器 3
122　Python基础语法 4
123　以模块形式保存代码 6
124　Python中的一些标准模块 7
125　help(?)和dir(?)函数 7
126　编译时和运行时的代码检查 8
13　Python中的简单数据类型 9
131　数字 9
132　字符串 12
133　处理日期 19
14　Python中的异常处理 21
141　处理用户输入 22
142　命令行参数 24
15　小结 25
第2章　条件逻辑、循环和函数 26
21　Python中的条件逻辑 26
211　Python的保留关键字 27
212　Python运算符的优先级 28
213　比较运算符和布尔运算符 28
22　Python中的变量和参数 29
221　局部变量和全局变量 29
222　变量的作用域 29
223　引用传递和值传递 31
224　实参和形参 31
23　在Python中使用循环 32
231　Python中的for循环 32
232　Python中的while循环 39
24　Python中的用户自定义函数 41
241　在函数中设定默认值 42
242　具有可变参数的函数 42
243　lambda表达式 43
25　递归 44
251　计算阶乘值 44
252　计算斐波那契数 45
253　计算两个数的*大公约数 45
254　计算两个数的*小公倍数 46
26　小结 47
第3章　Python数据类型 48
31　列表 48
311　列表和基本操作 48
312　列表中的表达式 53
313　连接字符串列表 53
314　Python中的range(?)函数 54
315　数组和append(?)函数 55
316　使用列表和split(?)函数 56
317　对列表中的单词计数 56
318　遍历成对的列表 57
319　其他与列表相关的函数 57
3110　栈和队列 59
3111　使用向量 60
3112　使用矩阵 61
3113　使用NumPy库处理矩阵 61
32　元组（不可变列表） 62
33　集合 63
34　字典 64
341　创建字典及字典中的基本操作 65
342　字典的相关函数和方法 67
343　字典的格式 67
344　有序字典 67
35　Python中的其他数据类型 68
351　Python中的其他序列类型 68
352　Python中的可变类型和不可变类型 69
353　type(?)函数 70
36　小结 70
第4章　NumPy和Pandas介绍 71
41　NumPy 71
411　NumPy简介 71
412　NumPy数组 72
413　使用NumPy数组的示例 73
42　子范围 77
421　使用向量的“-1”子范围 77
422　使用数组的“-1”子范围 77
43　NumPy中其他有用的方法 78
431　数组和向量操作 79
432　NumPy和点积 79
433　NumPy和向量的“范数” 80
434　NumPy和向量的乘积 81
435　NumPy和reshape(?)方法 82
436　计算均值和标准差 83
44　Pandas 84
45　Pandas DataFrame的各种操作 89
451　合并Pandas DataFrame 89
452　使用Pandas DataFrame进行数据操作 90
453　Pandas DataFrame和CSV文件 93
454　Pandas DataFrame和Excel电子表格 95
455　选择、添加和删除DataFrame中的列 96
456　Pandas DataFrame和散点图 97
457　Pandas DataFrame和简单统计 98
458　Pandas中简单有用的命令 98
46　小结 100
第5章　机器学习 101
51　什么是机器学习 101
511　机器学习算法的类型 103
512　特征工程、特征选择和特征提取 105
513　降维 106
52　使用数据集 107
521　训练数据与测试数据 108
522　什么是交叉验证 108
523　正则化 108
524　偏差-方差的权衡 109
525　模型性能的衡量指标 109
53　线性回归 111
531　线性回归与曲线拟合 112
532　何时的解是准确值 112
533　什么是多元分析 112
534　其他类型的回归 113
535　平面中对直线的处理（选读） 113
54　求解线性回归问题的示例 116
541　使用NumPy和Matplotlib绘制散点图 116
542　MSE 119
543　Keras的线性回归 123
55　小结 126
第6章　机器学习中的分类器 127
61　分类器 127
611　什么是分类 127
612　线性分类器 129
613　kNN 129
614　决策树 130
615　随机森林 133
616　支持向量机 134
617　贝叶斯分类器 134
618　训练分类器 136
619　评估分类器 137
62　激活函数 137
621　什么是激活函数 137
622　常见的激活函数 139
623　ReLU和ELU激活函数 140
624　sigmoid、softmax和tanh的相似之处 141
625　sigmoid、softmax和hardmax的区