这些资源你可能感兴趣
本书采用独创的黑箱模式，MBA案例教学机制，结合一线实战案例，介绍Sklearn人工智能模块库和常用的机器学习算法。书中配备大量图表说明，没有枯燥的数学公式，普通读者，只要懂Word、Excel，就能够轻松阅读全书，并学习使用书中的知识，分析大数据。本书具有以下特色：独创的黑箱教学模式，全书无任何抽象理论和深奥的数学公式。首次系统化融合Sklearn人工智能软件和Pandas数据分析软件，不用再直接使用复杂的Numpy数学矩阵模块。系统化的Sklearn函数和API中文文档，可作为案头工具书随时查阅。基于Sklearn+Pandas模式，无须任何理论基础，全程采用MBA案例模式，懂Excel就可看懂。
编辑推荐
独创的黑箱教学模式，全书无任何抽象理论和深奥的数学公式。
首次系统化融合Sklearn人工智能软件和Pandas数据分析软件，不用再直接使用复杂的Numpy数学矩阵模块。
系统化的Sklearn函数和API中文文档，可作为案头工具书随时查阅。
基于Sklearn+Pandas模式，无须任何理论基础，全程采用MBA案例模式，懂Excel就可看懂。
作者简介
何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，出版书籍20余部，在人工智能、数据分析等方面具有20年一线专业经验；zwPython开发平台、zwQuant量化软件设计师，中国“Python创客”项目和“Python产业联盟”发起人，国内首个Python量化课程：《Python量化实盘·魔鬼训练营》创始人，极宽量化开源团队的创始人。1990年，发明国内第一个VR数据手套并获得专利授权，被业界称为“中国VR之父”；1992年，论文《人工智能与中文字型设计》入选《广东青年科学家文集》，现已成为中文字库行业三大基础建模理论之一；1997年，出版国内首部网络经济专著《网络商战》；2008年，在北京联合创办国内首家4A级网络公关公司，服务过200余家国际五百强企业，被公关协会誉为：中国网络公关事业的开创者与启蒙者；2012年，发布国内首个自主研发的智能中文字库设计软件《x2ttf涂鸦造字》，全功能全免费公益软件；2016年，推出国内首套纯python开源量化软件：zwQuant，以及国内首个Tick级别开源金融大数据项目：zwDat金融数据包。研究成果有：“小数据”理论，快数据模型，黑天鹅算法，GPU超算工作站、MTRD多节点超算集群算法、“1+N”网络传播模型、人工智能“足彩图灵法则”等。
目录
第1章从阿尔法狗开始说起
1.1阿尔法狗的前世今生
1.2机器学习是什么
1.3机器学习大史记
1.4机器学习经典案例
第2章开发环境
2.1数据分析首选Python
2.2用户运行平台
2.3程序目录结构
2.4Spyder编辑器界面设置
2.5Python命令行模式
2.6Notebook模式
2.7模块库控制面板
2.8使用pip更新模块库
第3章Python入门案例
3.1案例3—1：第一次编程“hello，ziwang”
3.2案例3—2：增强版“hello，zwiang”
3.3案例3—3：列举系统模块库清单
3.4案例3—4：常用绘图风格
3.5案例3—5：Pandas常用绘图风格
3.6案例3—6：常用颜色表cors
3.7案例源码
第4章Python基本语法
4.1数据类型
案例4—1：基本运算
4.2字符串
案例4—2：字符串入门
案例4—3：字符串常用方法
4.3List列表
案例4—4：列表操作
4.4Tuple元组
案例4—5：元组操作
4.5Dictionary字典
案例4—6：字典操作
4.6数据类型转换
案例4—7：控制语句
案例4—8：函数定义
4.7案例源码
第5章Python人工智能入门与实践
5.1从忘却开始
5.2Iris经典爱丽丝
案例5—1：Iris爱丽丝
案例5—2：爱丽丝进化与文本矢量化
5.3AI操作流程95
5.4数据切割函数
案例5—3：Iris爱丽丝分解
案例5—4：线性回归算法
5.5案例源码
第6章机器学习经典算法案例（上）
6.1线性回归
6.2逻辑回归算法
案例6—1：逻辑回归算法
6.3朴素贝叶斯算法
案例6—2：贝叶斯算法
6.4KNN近邻算法
案例6—3：KNN近邻算法
6.5随机森林算法
案例6—4：随机森林算法
6.6案例源码
第7章机器学习经典算法案例（下）
7.1决策树算法
案例7—1：决策树算法
7.2GBDT迭代决策树算法
案例7—2：GBDT迭代决策树算法
7.3SVM向量机
案例7—3：SVM向量机算法
7.4SVM—cross向量机交叉算法
案例7—4：SVM—cross向量机交叉算法
7.5神经网络算法
案例7—5：MLP神经网络算法
案例7—6：MLP_reg神经网络回归算法
7.6案例源码
第8章机器学习组合算法
8.1CCPP数据集
案例8—1：CCPP数据集
案例8—2：CCPP数据切割
案例8—3：读取CCPP数据集
8.2机器学习统一接口函数
案例8—4：机器学习统一接口
案例8—5：批量调用机器学习算法
案例8—6：一体化调用
8.3模型预制与保存
案例8—7：储存算法模型
案例8—8：批量储存算法模型
案例8—9：批量加载算法模型
案例8—10：机器学习组合算法
8.4案例源码
附录ASklearn常用模块和函数
附录B极宽量化系统模块图
本书评论