机器学习实践(第2版)

第1章Python基础实践 1．1实践一： 九九乘法表 1．2实践二： 抽奖系统 1．3实践三： 批量文件遍历、复制、重命名 1．4实践四： 数据统计分析及可视化 1．5实践五： 图像直方图统计
第2章数据爬取与分析 2．1实践一： 爬取明星数据 2．2实践二： 科比职业生涯数据爬取与分析 2．3实践三： 电视影评爬取 2．4实践四： 股票行情爬取与分析
第3章机器学习基础实践 3．1实践一： 基于线性回归/Lasso回归/多项式回归实现房价预测 3．2实践二： 基于朴素贝叶斯实现文本分类 3．3实践三： 基于逻辑回归模型实现手写数字识别 3．4实践四： 基于SVM/决策树/XGBoost算法实现鸢尾花 3．5实践五： 基于Kmeans/层次聚类算法实现自制数据集聚类
第4章神经网络基础实践 4．1实践一： 基于全连接神经网络实现鲍鱼年龄预测 4．2实践二： 基于全连接神经网络实现车辆分类 4．3实践三： 基于高层API实现车辆分类
第5章计算机视觉基础实践 5．1实践一： 图像数据预处理实践 5．2实践二： 基于卷积神经网络实现宝石分类 5．3实践三： 基于VGGNet网络模型实现美食分类 5．4实践四： 基于ResNet网络模型实现中草药分类 5．5实践五： 基于Faster RCNN模型实现目标检测 5．6实践六： 基于UNet模型实现宠物图像分割
第6章自然语言处理基础实践 6．1实践一： 文本数据处理实践 6．2实践二： 基于CBOW/Skipgram实现Word2Vec 6．3实践三： 基于循环神经网络实现情感分类 6．4实践四： 基于LSTM实现谣言检测 6．5实践五： 基于结合注意力机制的LSTM实现机器翻译 6．6实践六： 基于GRU实现电影评论分析
第7章深度学习前沿应用 7．1实践一： 文字识别 7．2实践二： 手写数字生成 7．3实践三： 新闻主题分类 7．4实践四： 诗歌生成 7．5实践五： 图像分类FineTuning 7．6实践六： 文本分类FineTuning
参考文献