Python與機器學習

項目1 電影數(shù)據(jù)統(tǒng)計\t1
1．1 數(shù)據(jù)獲取\t1
1．2 數(shù)據(jù)解析\t4
1．3 數(shù)據(jù)分析\t8
1．4 數(shù)據(jù)可視化\t10
1．5 課堂實訓：工資數(shù)據(jù)統(tǒng)計\t16
1．6 練習題\t19
項目2 電影數(shù)據(jù)分析（回歸）\t21
2．1 背景知識\t21
2．2 使用一元線性回歸分析電影票房數(shù)據(jù)\t22
2．2．1 一元線性回歸\t22
2．2．2 范圍縮放\t25
2．2．3 數(shù)據(jù)集的切分\t26
2．3 使用多項式回歸分析電影票房數(shù)據(jù)\t29
2．4 使用多元線性回歸分析電影票房數(shù)據(jù)\t31
2．5 理解回歸分析方法\t34
2．6 課堂實訓：工齡與工資相關(guān)性分析\t36
2．7 練習題\t39
項目3 數(shù)據(jù)的爬取\t41
3．1 背景知識\t41
3．2 電影數(shù)據(jù)的爬取\t42
3．2．1 網(wǎng)絡數(shù)據(jù)一次爬取\t42
3．2．2 網(wǎng)絡數(shù)據(jù)定時爬取\t48
3．2．3 正則表達式\t49
3．3 房屋租賃數(shù)據(jù)的爬取\t51
3．4 房屋租賃數(shù)據(jù)的統(tǒng)計\t54
3．5 課堂實訓：二手房數(shù)據(jù)的爬取與統(tǒng)計\t58
3．6 練習題\t59
項目4 房屋租賃數(shù)據(jù)的分析與可視化\t62
4．1 背景知識\t62
4．2 使用箱形圖可視化租賃價格分布特征\t63
4．3 使用散點圖可視化房屋面積與租賃價格的關(guān)系\t65
4．4 使用餅圖可視化不同行政區(qū)的可租賃房源占比\t69
4．5 使用折線圖可視化房間數(shù)與租賃價格的關(guān)系\t71
4．6 使用熱力圖可視化地理位置與租賃價格的關(guān)系\t72
4．7 課堂實訓：二手房數(shù)據(jù)的分析與可視化\t75
4．8 練習題\t78
項目5 身高與體重數(shù)據(jù)分析（分類器）\t80
5．1 背景知識\t80
5．1．1 機器學習\t80
5．1．2 監(jiān)督學習\t80
5．1．3 分類器\t82
5．2 使用分類方法進行性別分類\t82
5．2．1 邏輯回歸\t82
5．2．2 樸素貝葉斯\t88
5．2．3 決策樹\t91
5．2．4 支持向量機\t95
5．3 使用支持向量機進行肥胖程度分類\t97
5．4 課堂實訓：肥胖分析1\t101
5．5 練習題\t102
項目6 鳶尾花分類\t104
6．1 背景知識\t104
6．2 使用K近鄰對鳶尾花進行分類\t105
6．3 使用隨機森林對鳶尾花進行分類\t108
6．4 使用神經(jīng)網(wǎng)絡對鳶尾花進行分類\t111
6．5 課堂實訓：肥胖分析2\t114
6．6 練習題\t115
項目7 電影評分數(shù)據(jù)分析（聚類）\t117
7．1 背景知識\t117
7．1．1 無監(jiān)督學習\t117
7．1．2 聚類\t118
7．1．3 K-Means\t119
7．2 使用DBSCAN確定質(zhì)心個數(shù)\t119
7．3 使用K-Means對觀影用戶進行聚類\t123
7．4 課堂實訓：根據(jù)身高、體重和性別對用戶進行分類\t127
7．5 練習題\t130

項目8 人臉檢測與人臉識別\t132
8．1 背景知識\t132
8．1．1 人工智能\t132
8．1．2 計算機視覺\t133
8．1．3 OpenCV計算機視覺包\t134
8．2 圖像中的人臉檢測\t135
8．3 視頻中的人臉檢測\t137
8．4 圖像中的人臉識別\t140
8．5 視頻中的人臉識別\t143
8．6 課堂實訓：眼睛與笑臉檢測\t145
8．7 練習題\t146
項目9 手寫數(shù)字識別應用\t148
9．1 背景知識\t148
9．2 圖像數(shù)據(jù)集準備\t149
9．2．1 MNIST數(shù)據(jù)集格式\t149
9．2．2 獲取MNIST數(shù)據(jù)集中的圖像\t150
9．3 使用支持向量機識別手寫數(shù)字\t150
9．4 使用神經(jīng)網(wǎng)絡識別手寫數(shù)字\t154
9．5 課堂實訓：使用不同的方法識別手寫數(shù)字\t155
9．6 練習題\t156
項目10 深度學習在行為識別中的應用\t157
10．1 背景知識\t157
10．1．1 卷積神經(jīng)網(wǎng)絡（CNN）\t157
10．1．2 循環(huán)神經(jīng)網(wǎng)絡（RNN）\t159
10．1．3 深度學習的應用\t160
10．2 使用卷積神經(jīng)網(wǎng)絡識別行為\t161
10．2．1 環(huán)境準備\t161
10．2．2 數(shù)據(jù)的獲取與解析\t161
10．2．3 數(shù)據(jù)集分析\t162
10．2．4 卷積神經(jīng)網(wǎng)絡的應用\t162
10．3 使用循環(huán)神經(jīng)網(wǎng)絡識別行為\t164
10．4 課堂實訓：電影評論數(shù)據(jù)分析\t166
10．5 練習題\t168
項目11 TensorFlow與神經(jīng)網(wǎng)絡\t169
11．1 背景知識\t169
11．2 設(shè)計單層神經(jīng)網(wǎng)絡預測花瓣寬度\t171
11．3 設(shè)計多層神經(jīng)網(wǎng)絡實現(xiàn)鳶尾花分類\t174
11．4 課堂實訓：卷積神經(jīng)網(wǎng)絡的實現(xiàn)與應用\t177
11．5 練習題\t178
項目12 項目綜合實訓\t180
12．1 確定數(shù)據(jù)采集目標\t181
12．2 數(shù)據(jù)采集與預處理\t182
12．3 數(shù)據(jù)統(tǒng)計與分析\t183
12．3．1 票房分析\t183
12．3．2 上座率分析\t185
12．3．3 票價分布情況分析\t186
12．3．4 評分數(shù)據(jù)分析\t186
12．4 數(shù)據(jù)分析與預測\t187
12．4．1 總場次與票房之間的關(guān)系分析\t187
12．4．2 評分相關(guān)因素分析與預測\t187
12．5 數(shù)據(jù)分類應用\t188
12．6 課外拓展實訓：二手車數(shù)據(jù)的獲取與市場分析\t189
附錄A 環(huán)境準備\t191
附錄B 本書使用的工具包\t194
參考文獻\t195