封面
版权信息
作者简介
内容简介
推荐序一
推荐序二
前言
源码下载
致谢
第1章 机器学习概述
1.1 什么是机器学习
1.2 机器学习的流程
1.3 机器学习该如何学
1.4 机器学习分类
1.5 过拟合和欠拟合
1.6 衡量机器学习模型的指标
第2章 机器学习中的数据预处理
2.1 数据预处理的重要性和原则
2.2 数据预处理方法介绍
2.3 数据降维
第3章 k最近邻算法
3.1 k最近邻算法的原理
3.2 k最近邻算法过程详解
3.3 kNN算法的注意事项
3.4 k最近邻算法案例分享
3.5 kNN算法优缺点
第4章 回归算法
4.1 线性回归
4.2 线性回归案例实战
4.3 逻辑回归
4.4 回归算法总结和优缺点
第5章 决策树
5.1 决策树概念
5.2 信息熵
5.3 信息增益与信息增益比
5.4 基尼系数
5.5 过拟合与剪枝
5.6 决策树算法案例实战——预测患者佩戴隐形眼镜类型
5.7 决策树算法实战案例——电影喜好预测
5.8 总结
第6章 K-means聚类算法
6.1 何为聚类
6.2 K-means算法思想和原理
6.3 K-means算法涉及的参数和优缺点
6.4 K-means应用场景
6.5 K-means聚类算法实现鸢尾花数据的聚类
6.6 K-means算法实现客户价值分析
6.7 K-means算法实现对亚洲足球队做聚类
第7章 随机森林
7.1 随机森林概述
7.2 随机森林实战——红酒数据集案例
7.3 随机森林算法实战——泰坦尼克号生存预测
第8章 朴素贝叶斯算法
8.1 朴素贝叶斯算法概念和原理
8.2 贝叶斯算法实战案例——曲奇饼
8.3 贝叶斯算法案例实战——单词拼写纠错
8.4 贝叶斯算法案例实战——识别中文垃圾邮件
8.5 贝叶斯算法案例实战——鸢尾花分类预测
第9章 支持向量机SVM
9.1 支持向量机概述
9.2 工作原理
9.3 SVM的核函数选择和参数的调整
9.4 SVM算法案例实战——波士顿房价分析
9.5 SVM算法案例实战——鸢尾花分类
9.6 SVM算法优缺点
第10章 神经网络
10.1 神经网络概念
10.2 卷积神经网络（CNN）
10.3 用Python实现自己的神经网络案例
10.4 多层神经网络基于sklearn的实现案例
10.5 使用Keras框架实现神经网络案例
第11章 人脸识别入门实践
11.1 人脸识别简介
11.2 人脸检测和关键点定位实战
11.3 人脸表情分析——情绪识别实战
11.4 我能认识你——人脸识别实战
更新时间：2021-03-26 23:07:53
完结共76章
倒序