python大战机器学习pdf

内容简介 · · · · · · 数据科学家是当下炙手可热的职业，机器学习则是他们的必备技能。机器学习在大数据分析中居于核心地位，在互联网、金融保险、制造业、零售业、医疗等产业领域发挥了越来越大的作用且日益受到关注。 Python 是最好最热门的编程语言之一，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的首选语言。 《Python大战机器学习：数据科学家的第一个小目标》以快速上手、四分理论六分实践为出发点，讲述机器学习的算法和Python 编程实践，采用“原理笔记精华+ 算法Python 实现+ 问题实例+ 代码实战+ 运行调参”的形式展开，理论与实践结合，算法原理与编程实战并重。 《Python大战机器学习：数据科学家的第一个小目标》从内容上分为13 章分4 篇展开：第一篇：机器学习基础篇（第1~6 章），讲述机器学习的基础算法，包括线性模型、决策树、贝叶斯分类、k 近... (展开全部) 作者简介 · · · · · · 华校专，计算机专业硕士。毕业后曾在部队从事专业相关工作，并研读了大量专业书籍在，从操作系统底层到应用APP开发，并且仿照 C++ STL 的风格实现了各种算法（算法导论的C++实现已经放在个人的githu b上），目前已从部队退役，并顺利拿到了阿里的算法工程师offer。 目录 · · · · · · 第一篇机器学习基础篇 1 第 1章线性模型 .................................................. 2 1.1概述 2 1.2算法笔记精华 2 1.2.1普通线性回归 2 1.2.2广义线性模型 5 1.2.3逻辑回归 5 1.2.4线性判别分析 7 1.3 Python实战 10 1.3.1线性回归模型 11 1.3.2线性回归模型的正则化 12 1.3.3逻辑回归 22 1.3.4线性判别分析 26 第 2章决策树 .................................................... 30 2.1概述 30 2.2算法笔记精华 30 2.1决策树原理 30 2.2构建决策树的 3个步骤 31 CART算法 37 2.4连续值和缺失值的处理 42 2.3 Python实战 43 2.3.1回归决策树（DecisionTreeRegressor） 43 2.3.2分类决策树（DecisionTreeClassifir） 49 2.3.3决策图 54 第 3章贝叶斯分类器.............................................. 55 3.1概述 55 3.2 算法笔记精华55 3.2.1 贝叶斯定理55 3.2.2 朴素贝叶斯法56 3.3 Python 实战59 3.3.1 高斯贝叶斯分类器（GaussianNB） 61 3.3.2 多项式贝叶斯分类器（MultinomialNB） 62 3.3.3 伯努利贝叶斯分类器（BernoulliNB） 65 3.3.4 递增式学习partial_fit 方法69 第4 章k 近邻法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 4.1 概述70 4.2 算法笔记精华70 4.2.1 kNN 三要素70 4.2.2 k 近邻算法72 4.2.3 kd 树73 4.3 Python 实践74 第5 章数据降维. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 5.1 概述83 5.2 算法笔记精华83 5.2.1 维度灾难与降维83 5.2.2 主成分分析（PCA） 84 5.2.3 SVD 降维91 5.2.4 核化线性（KPCA）降维91 5.2.5 流形学习降维93 5.2.6 多维缩放（MDS）降维93 5.2.7 等度量映射（Isomap）降维96 5.2.8 局部线性嵌入（LLE） 97 5.3 Python 实战99 5.4 小结118 第6 章聚类和EM 算法. . . . . . . . . . . . .