基本信息

• 商品名称：Python与机器学习(高等职业教育大数据技术与应用系列规划教材)
• 作者：编者:陈清华//翁正秋|责编:徐建军
• 定价：39
• 出版社：电子工业
• ISBN号：9787121381768

其他参考信息（以实物为准）

• 出版时间：2020-02-01
• 印刷时间：2020-02-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：193
• 字数：326千字

内容提要

使用机器学习技术的产品或服务在我们的生活当中不断普及，被应用于大数据分析、智能驾驶、计算机视觉等领域，并迅速改变生活。本书以掌握一定的Python语言基础为前提，从具体的十一个精简案例切入，由浅入深、循序渐近展开学习机器学习在不同业务领域中的应用，内容上注重实用性和可操作性。具体涵盖了机器学习流程、有监督学习、无监督学习、数据分析与人工智能应用等需要掌握的基本知识和相应技能。

目录

项目1 电影数据统计1
1.1 数据获取1
1.2 数据解析4
1.3 数据分析8
1.4 数据可视化10
1.5 课堂实训：工资数据统计16
1.6 练习题19
项目2 电影数据分析（回归）21
2.1 背景知识21
2.2 使用一元线性回归分析电影票房数据22
2.2.1 一元线性回归22
2.2.2 范围缩放25
2.2.3 数据集的切分26
2.3 使用多项式回归分析电影票房数据29
2.4 使用多元线性回归分析电影票房数据31
2.5 理解回归分析方法34
2.6 课堂实训：工龄与工资相关性分析36
2.7 练习题39
项目3 数据的爬取41
3.1 背景知识41
3.2 电影数据的爬取42
3.2.1 网络数据一次爬取42
3.2.2 网络数据定时爬取48
3.2.3 正则表达式49
3.3 房屋租赁数据的爬取51
3.4 房屋租赁数据的统计54
3.5 课堂实训：二手房数据的爬取与统计58
3.6 练习题59
项目4 房屋租赁数据的分析与可视化62
4.1 背景知识62
4.2 使用箱形图可视化租赁价格分布特征63
4.3 使用散点图可视化房屋面积与租赁价格的关系65
4.4 使用饼图可视化不同行政区的可租赁房源占比69
4.5 使用折线图可视化房间数与租赁价格的关系71
4.6 使用热力图可视化地理位置与租赁价格的关系72
4.7 课堂实训：二手房数据的分析与可视化75
4.8 练习题78
项目5 身高与体重数据分析（分类器）80
5.1 背景知识80
5.1.1 机器学习80
5.1.2 监督学习80
5.1.3 分类器82
5.2 使用分类方法进行性别分类82
5.2.1 逻辑回归82
5.2.2 朴素贝叶斯88
5.2.3 决策树91
5.2.4 支持向量机95
5.3 使用支持向量机进行肥胖程度分类97
5.4 课堂实训：肥胖分析1101
5.5 练习题102
项目6 鸢尾花分类104
6.1 背景知识104
6.2 使用K近邻对鸢尾花进行分类105
6.3 使用随机森林对鸢尾花进行分类108
6.4 使用神经网络对鸢尾花进行分类111
6.5 课堂实训：肥胖分析2114
6.6 练习题115
项目7 电影评分数据分析（聚类）117
7.1 背景知识117
7.1.1 无监督学习117
7.1.2 聚类118
7.1.3 K-Means119
7.2 使用DBSCAN确定质心个数119
7.3 使用K-Means对观影用户进行聚类123
7.4 课堂实训：根据身高、体重和性别对用户进行分类127
7.5 练习题130


项目8 人脸检测与人脸识别132
8.1 背景知识132
8.1.1 人工智能132
8.1.2 计算机视觉133
8.1.3 OpenCV计算机视觉包134
8.2 图像中的人脸检测135
8.3 视频中的人脸检测137
8.4 图像中的人脸识别140
8.5 视频中的人脸识别143
8.6 课堂实训：眼睛与笑脸检测145
8.7 练习题146
项目9 手写数字识别应用148
9.1 背景知识148
9.2 图像数据集准备149
9.2.1 MNIST数据集格式149
9.2.2 获取MNIST数据集中的图像150
9.3 使用支持向量机识别手写数字150
9.4 使用神经网络识别手写数字154
9.5 课堂实训：使用不同的方法识别手写数字155
9.6 练习题156
项目10 深度学习在行为识别中的应用157
10.1 背景知识157
10.1.1 卷积神经网络（CNN）157
10.1.2 循环神经网络（RNN）159
10.1.3 深度学习的应用160
10.2 使用卷积神经网络识别行为161
10.2.1 环境准备161
10.2.2 数据的获取与解析161
10.2.3 数据集分析162
10.2.4 卷积神经网络的应用162
10.3 使用循环神经网络识别行为164
10.4 课堂实训：电影评论数据分析166
10.5 练习题168
项目11 TensorFlow与神经网络169
11.1 背景知识169
11.2 设计单层神经网络预测花瓣宽度171
11.3 设计多层神经网络实现鸢尾花分类174
11.4 课堂实训：卷积神经网络的实现与应用177
11.5 练习题178
项目12 项目综合实训180
12.1 确定数据采集目标181
12.2 数据采集与预处理182
12.3 数据统计与分析183
12.3.1 票房分析183
12.3.2 上座率分析185
12.3.3 票价分布情况分析186
12.3.4 评分数据分析186
12.4 数据分析与预测187
12.4.1 总场次与票房之间的关系分析187
12.4.2 评分相关因素分析与预测187
12.5 数据分类应用188
12.6 课外拓展实训：二手车数据的获取与市场分析189
附录A 环境准备191
附录B 本书使用的工具包194
参考文献195