基于scikit-learn的機(jī)器學(xué)習(xí)：算法與實(shí)踐

第1章 概論
1．1 機(jī)器學(xué)習(xí)的概念
1．2 機(jī)器學(xué)習(xí)的分類
1．3 機(jī)器學(xué)習(xí)的一般步驟
1．4 本書(shū)結(jié)構(gòu)
第2章 Python語(yǔ)言入門(mén)
2．1 Python簡(jiǎn)介
2．1．1 Python的誕生
2．2．2 Python的優(yōu)缺點(diǎn)
2．2 Python運(yùn)行環(huán)境安裝配置
2．2．1 Python運(yùn)行環(huán)境
2．2．2 Python集成開(kāi)發(fā)環(huán)境
2．3 Python基本語(yǔ)法
2．3．1 Python語(yǔ)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(jiǎn)介
2．4．2 Matplotlib簡(jiǎn)介
2．4．3 pandas簡(jiǎn)介
2．4．4 SciPy簡(jiǎn)介
第3章 基礎(chǔ)知識(shí)
3．1 線性代數(shù)基本知識(shí)
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(shí)
3．2．1 基本概念
3．2．2 概率分布
3．2．3 n維隨機(jī)變量
3．2．4 隨機(jī)變量的數(shù)值特征
第4章 sklearn基本知識(shí)
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(zhǔn)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(dú)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