人工智能入门 常用工具
| 作者 |
| 张晓明 |
| 丛书名 |
| 出版社 |
| 人民邮电出版社 |
| ISBN |
| 9787115505439 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书基于流行的Python语言，本书从案例出发，展示各种工具的适用场景、关键用法和应用技巧。本书分成四大单元，包括Python语法精讲、数据预处理和可视化、机器学习、深度学习4个单元。涵盖了Python、Pandas、Matplotlib、Seaborn、Scikit-learn、TensorFlow、Keras等7种主流工具。 |
| 目录 |
第 1章Python语法要素 1 1.1用模块组织代码 1 1.2模块的两种使用方式 2 1.3编程的语法要素 4 1.3.1变量 4 1.3.2变量的数据类型和运算 5 1.4代码实战 1：计算二维空间两个点的距离 6 1.5数据结构 7 1.5.1列表 9 1.5.2字典 10 1.6代码实战 2：计算三维空间中两个点的距离 11 第 2章语法结构 13 2.1分支结构 13 2.2循环结构 14 2.2.1退出循环 15 2.2.2else 16 2.3代码实战：计算高维空间两个点的距离 16 第3章函数和类 18 3.1函数 18 3.1.1定义函数 18 3.1.2代码实战：距离函数 19 3.2类和对象 20 3.3类和继承 22 3.4小结 24 第4章走进机器学习 25 4.1不要关心概念 26 4.2数据建模 27 4.2.1用数学公式建模 27 4.2.2用概率建模 28 4.3机器学习的功能 30 4.3.1什么是分类问题 30 4.3.2什么是回归问题 32 4.3.3什么是聚类问题 34 4.4小结 36 第5章如何获取数据 37 5.1代码实战1：获得鸢尾花数据集 37 5.2 专家解读 39 5.3代码实战2：获得新闻数据集 40 5.4专家解读 41 5.5代码实战3：生成不均衡数据集 41 5.6专家解读 42 5.7小结 44 第6章读取外部数据 45 6.1代码实战1：从文件读取数据 45 6.2专家解读 46 6.2.1对时间的处理 47 6.2.2大文件迭代 47 6.2.3CSV文件的写操作 48 6.3libsvm格式文件的读写 49 6.4专家解读 50 6.5代码实战2：从MySQL读取数据 51 第7章数据可视化探索 53 7.1作者建议 53 7.2代码实战 1：观察分布 54 7.3代码实战 2：观察变量间关系 59 7.4小结 63 第8章数据清洗 65 8.1代码实战 1：特征类型校准 65 8.2代码实战 2：数据分布可视化 67 8.3代码实战 3：处理缺失值 69 8.4代码实战 4：经验法则和异常值处理 72 8.5代码实战 5：方差分析和变量筛选 75 第9章如何做回归 79 9.1代码实战 1：经典回归 79 9.2专家解读 82 9.3代码实战 2：多元线性回归 84 9.4专家解读 86 9.5代码实战 3：岭回归 86 9.6专家解读 87 9.7代码实战 4：Lasso回归 88 9.8专家解读 89 9.9代码实战 5：KDE回归 90 9.10专家解读 93 9.11小结 95 第 10章支持向量机和图像分类 96 10.1代码实战 1：支持向量机和图像识别 96 10.2专家解读 101 10.3代码实战 2：核技巧 104 10.4代码实战 3：软间隔 vs 硬间隔 108 10.5小结 109 第 11章模型评估和优化 110 11.1代码实战 1：如何评估模型的分数 111 11.2专家解读 112 11.3代码实战 2：绘制ROC曲线 114 11.4专家解读 117 11.5代码实战 3：使用交叉验证对模型评分 118 11.6小结 121 第 12章神经网络和深度学习 122 12.1神经网络 122 12.1.1M-P神经元模型 124 12.1.2前馈神经网络 124 12.2卷积神经网络 125 12.2.1CNN的典型结构示意 126 12.2.2卷积层 127 12.2.3ReLU层 128 12.2.4池化层 129 12.2.5全连接层 129 12.3BP算法 129 12.4盘点著名的CNN架构 130 第 13章深度学习的硬件和软件 133 13.1为什么是GPU 133 13.1.1GPU和矩阵运算 134 13.1.2CUDA 135 13.2深度学习框架 136 13.2.1框架的意义 137 13.2.2各种框架盘点 138 13.2.3什么是Keras 139 13.3小结 142 第 14章TensorFlow入门 143 14.1初识 143 14.2专家解读 144 14.3代码实战：线性回归 148 14.4小结 152 第 15章Keras入门必读 153 15.1代码实战1：用Keras做线性回归模型 154 15.2专家解读 157 15.2.1序列模型和函数式模型的区别 158 15.2.2激活层的简写 159 15.2.3Keras的scikit-learn接口 160 15.3 代码实战2：手写数字识别 161 15.4专家解读 168 15.5小结 172 第 16章识别交通标志 174 16.1认识数据 174 16.2从图片文件到张量 176 16.3搭建网络模型 181 16.4训练模型 183 16.5图像增强改进 187 16.6小结 191 第 17章站在巨人的肩膀上 193 17.1代码实战1：用VGG16做图像识别 194 17.2代码实战2：特征提取 196 17.3代码实战3：迁移学习 197 17.4经典网络通览 203 17.4.1VGG16 204 17.4.2GoogLeNet(Inception) 207 17.4.3ResNet 211 17.5小结 214 附录 工作环境搭建说明 215 |
有问题微信扫码联系