包邮机器学习应用实战

**部分 基础篇
第1章 机器学习基础
1．1 机器学习概述
1．1．1 机器学习任务
1．1．2 重要概念
1．1．3 性能评估
1．2 编程语言与环境
1．2．1 Python简介
1．2．2 Python环境配置与安装
1．2．3 Python机器学习编程库
1．2．4 PyTorch框架
第2章 数据预处理
2．1 数据清洗
2．1．1 缺失值处理
2．1．2 离群值检测
2．2 数据转换
2．2．1 数字化
2．2．2 离散化
2．2．3 正规化
2．2．4 数值转换
2．3 数据压缩
2．3．1 降维
2．3．2 实例选择和采样
2．4 应用案例：基于PCA的数据降维
2．4．1 数据集
2．4．2 PCA降维
2．4．3 案例结果及分析
第3章 简单分类算法
3．1 朴素贝叶斯分类算法
3．2 KNN分类算法
3．2．1 KNN算法实现原理
3．2．2 KNN算法实现步骤
3．2．3 KNN算法优缺点
3．3 应用案例：KNN分类
3．3．1 数据集
3．3．2 构建KNN分类器
3．3．3 案例结果及分析
第4章 决策树
4．1 决策树模型
4．2 特征选择
4．2．1 特征和数据划分
4．2．2 划分标准
4．3 决策树生成算法
4．3．1 ID3决策树生成算法
4．3．2 C4．5决策树生成算法
4．4 CART算法
4．4．1 决策树的剪枝
4．4．2 CART生成算法
4．4．3 CART剪枝算法
4．5 应用案例：基于决策树的鸢尾花图像分类
4．5．1 数据集
4．5．2 构建决策树
4．5．3 案例结果及分析
第5章 支持向量机
5．1 支持向量机的基本原理
5．1．1 线性可分
5．1．2 *大间隔问题
5．1．3 支持向量
5．2 常用核函数
5．2．1 线性核函数
5．2．2 高斯核函数
5．2．3 多项式核函数
5．3 应用案例：基于SVM的异或数据集划分
5．3．1 数据集及数据预处理
5．3．2 构建SVM分类器
5．3．3 案例结果及分析
第6章 回归分析
……

第二部分 综合篇
第三部分 拓展篇