基于scikit-learn的機器學(xué)習(xí)：算法與實踐

第1章 概論
1．1 機器學(xué)習(xí)的概念
1．2 機器學(xué)習(xí)的分類
1．3 機器學(xué)習(xí)的一般步驟
1．4 本書結(jié)構(gòu)
第2章 Python語言入門
2．1 Python簡介
2．1．1 Python的誕生
2．2．2 Python的優(yōu)缺點
2．2 Python運行環(huán)境安裝配置
2．2．1 Python運行環(huán)境
2．2．2 Python集成開發(fā)環(huán)境
2．3 Python基本語法
2．3．1 Python語句
2．3．2 Python常用數(shù)據(jù)類型
2．4 Python的第三方包
2．4．1 NumPy簡介
2．4．2 Matplotlib簡介
2．4．3 pandas簡介
2．4．4 SciPy簡介
第3章 基礎(chǔ)知識
3．1 線性代數(shù)基本知識
3．1．1 基本概念
3．1．2 矩陣分解
3．1．3 示例代碼
3．2 概率論基本知識
3．2．1 基本概念
3．2．2 概率分布
3．2．3 n維隨機變量
3．2．4 隨機變量的數(shù)值特征
第4章 sklearn基本知識
4．1 skleam概述
4．2 主要模塊
4．3 sklearn范例數(shù)據(jù)集
第5章 數(shù)據(jù)預(yù)處理
5．1 缺失值的處理
5．2 數(shù)據(jù)規(guī)范化處理
5．2．1 歸一化
5．2．2 標(biāo)準化
5．2．3 正則化
5．3 特征編碼
5．3．1 特征二值化
5．3．2 獨熱編碼
5．4 異常值
5．5 小結(jié)
第6章 降維
6．1 主成分分析
6．2 線性判別式分析
6．3 因子分析
6．4 算法范例