Python机器学习2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

Python机器学习PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 机器学习基础1

1.1引论1

1.2何谓机器学习2

1.2.1概述2

1.2.2引例2

1.3机器学习中的常用算法4

1.3.1按照学习方式划分4

1.3.2按照算法相似性划分7

1.4本章小结14

1.5本章习题14

第2章 Python与数据科学15

2.1 Python概述15

2.2 Python与数据科学的关系16

2.3 Python中常用的第三方库16

2.3.1 NumPy16

2.3.2 SciPY17

2.3.3 Pandas17

2.3.4 Matplotlib18

2.3.5 Scikit－learn18

2.4编译环境18

2.4.1 Anaconda19

2.4.2 Jupyter Notebook21

2.5本章小结23

2.6本章习题24

第3章 线性回归算法25

3.1算法概述25

3.2算法流程25

3.3算法步骤26

3.4算法实例30

3.5算法应用32

3.6算法的改进与优化34

3.7本章小结34

3.8本章习题34

第4章 逻辑 回归算法37

4.1算法概述37

4.2算法流程38

4.3算法步骤38

4.4算法实例40

4.5算法应用45

4.6算法的改进与优化49

4.7本章小结49

4.8本章习题49

第5章 K最近邻算法51

5.1算法概述51

5.2算法流程52

5.3算法步骤52

5.4算法实例53

5.5算法应用54

5.6算法的改进与优化57

5.7本章小结58

5.8本章习题58

第6章 PCA降维算法59

6.1算法概述59

6.2算法流程60

6.3算法步骤60

6.3.1内积与投影60

6.3.2方差62

6.3.3协方差62

6.3.4协方差矩阵63

6.3.5协方差矩阵对角化63

6.4算法实例65

6.5算法应用67

6.6算法的改进与优化68

6.7本章小结68

6.8本章习题69

第7章 k－means算法70

7.1算法概述70

7.2算法流程70

7.3算法步骤71

7.3.1距离度量71

7.3.2算法核心思想72

7.3.3初始聚类中心的选择73

7.3.4簇类个数k的调整73

7.3.5算法特点74

7.4算法实例75

7.5算法应用77

7.6算法的改进与优化81

7.7本章小结81

7.8本章习题82

第8章 支持向量机算法84

8.1算法概述84

8.2算法流程85

8.2.1线性可分支持向量机85

8.2.2非线性支持向量机85

8.3算法步骤85

8.3.1线性分类85

8.3.2函数间隔与几何间隔87

8.3.3对偶方法求解88

8.3.4非线性支持向量机与核函数90

8.4算法实例93

8.5算法应用95

8.6算法的改进与优化100

8.7本章小结101

8.8本章习题101

第9章 AdaBoost算法102

9.1算法概述102

9.2算法流程102

9.3算法步骤103

9.4算法实例105

9.5算法应用106

9.6算法的改进与优化109

9.7本章小结110

9.8本章习题110

第10章 决策树算法112

10.1算法概述112

10.2算法流程113

10.3算法步骤113

10.3.1两个重要概念113

10.3.2实现步骤115

10.4算法实例115

10.5算法应用118

10.6算法的改进与优化119

10.7本章小结120

10.8本章习题120

第11章 高斯混合模型算法121

11.1算法概述121

11.2算法流程121

11.3算法步骤122

11.3.1构建高斯混合模型122

11.3.2 EM算法估计模型参数123

11.4算法实例125

11.5算法应用127

11.6算法的改进与优化129

11.7本章小结130

11.8本章习题130

第12章 随机森林算法132

12.1算法概述132

12.2算法流程133

12.3算法步骤134

12.3.1构建数据集134

12.3.2基于数据集构建分类器134

12.3.3投票组合得到最终结果并分析135

12.4算法实例136

12.5算法应用140

12.6算法的改进与优化142

12.7本章小结143

12.8本章习题143

第13章 朴素贝叶斯算法145

13.1算法概述145

13.2算法流程145

13.3算法步骤146

13.4算法实例148

13.5算法应用149

13.6算法的改进与优化151

13.7本章小结152

13.8本章习题152

第14章 隐马尔可夫模型算法154

14.1算法概述154

14.2算法流程154

14.3算法步骤155

14.4算法实例156

14.5算法应用159

14.6算法的改进与优化165

14.7本章小结166

14.8本章习题166

第15章 BP神经网络算法167

15.1算法概述167

15.2算法流程167

15.3算法步骤168

15.4算法实例170

15.5算法应用174

15.6算法的改进与优化176

15.7本章小结177

15.8本章习题177

第16章 卷积神经网络算法179

16.1算法概述179

16.2算法流程179

16.3算法步骤180

16.3.1向前传播阶段181

16.3.2向后传播阶段183

16.4算法实例184

16.5算法应用188

16.6算法的改进与优化193

16.7本章小结194

16.8本章习题194

第17章 递归神经网络算法196

17.1算法概述196

17.2算法流程197

17.3算法步骤198

17.4算法实例200

17.5算法应用204

17.6算法的改进与优化207

17.7本章小结208

17.8本章习题208

课后习题答案210

参考文献231