作品简介
本书首先讲述数据分析的过程，然后详细介绍常用的机器学习理论、算法与案例（大型案例29个），最终以解决实际问题驱动成书。
全书分三大部分共17章：第03章介绍Python的基础知识、安装和基本语法；第47章介绍Python的基本编程、机器学习基础及Python中常用的第三方库函数，并介绍数据预处理的基本方法；第8~16章分别介绍常用的机器学习分析算法及深度学习等。每章都采用多个经典案例图文并茂地介绍机器学习的原理和实现方法。
出版社北京大学出版社
出版时间2018-08-14
ISBN978-7-301-29566-3
共 96 章
前言试读
第0章 本书的技术体系试读
0.1 Python的发展趋势试读
0.2 人工智能时代学习Python的重要性试读
0.3 本书的技术体系试读
0.4 学习本书需要注意的事项试读
第1章 Python基础知识试读
1.1 Python简介试读
1.2 Python的当前版本试读
1.3 Python的优缺点试读
1.4 Python与其他语言的区别
1.5 Python的应用领域
第2章 Python的安装、配置与卸载
2.1 Python的安装
2.2 Python的配置
2.3 Python的卸载
第3章 Python 3基础语法
3.1 第一个Python程序
3.2 Python的输入和输出
3.3 Python的基本数据类型
3.4 Python库的导入
3.5 Python的集成开发环境
3.6 自测练习
第4章 Python 3的编程
4.1 条件语句
4.2 循环语句
4.3 函数
4.4 模块
4.5 自测练习
第5章 机器学习基础
5.1 机器学习概述
5.2 监督学习简介
5.3 非监督学习简介
5.4 增强学习简介
5.5 深度学习简介
5.6 机器学习常用术语
第6章 Python机器学习及分析工具
6.1 矩阵操作函数库（NumPy）
6.2 科学计算的核心包（SciPy）
6.3 Python的绘图库（Matplotlib）
6.4 数据分析包（Pandas）
6.5 机器学习函数库（Scikit-learn）
6.6 统计建模工具包（StatsModels）
6.7 深度学习框架（TensorFlow）
第7章 数据预处理
7.1 数据预处理概述
7.2 数据清理
7.3 数据集成
7.4 数据变换
7.5 数据归约
7.6 Python的主要数据预处理函数
第8章 分类问题
8.1 分类概述
8.2 常用方法
8.3 项目实战
8.4 自测练习
第9章 预测分析
9.1 预测概述
9.2 常用方法
9.3 项目实战
9.4 自测练习
第10章 关联分析
10.1 关联分析概述
10.2 基本方法
10.3 项目实战（解决目前流行的实际问题）
10.4 自测练习
第11章 网络爬虫
11.1 网络爬虫概述
11.2 网页抓取策略和方法
11.3 项目实战
11.4 自测练习
第12章 集成学习
12.1 集成学习概述
12.2 常用方法
12.3 项目实战
12.4 自测练习
第13章 深度学习
13.1 深度学习概述
13.2 常用方法
13.3 项目实战
13.4 自测练习
第14章 数据降维及压缩
14.1 数据降维及压缩概述
14.2 基本方法
14.3 项目实战
14.4 自测练习
第15章 聚类分析
15.1 聚类分析概述
15.2 K-means算法
15.3 项目实战
15.4 自测练习
第16章 回归分析问题
16.1 回归分析概述
16.2 基本方法
16.3 项目实战
16.4 自测练习