內(nèi)容全面 循序漸進(jìn)地引導(dǎo)讀者掌握機(jī)器學(xué)習(xí)的常用方法。

案例實(shí)用 以實(shí)際問(wèn)題為案例，提升計(jì)算思維能力。

資源豐富 講解視頻、程序源碼、習(xí)題答案等資源，方便讀者學(xué)習(xí)使用。

前　　言

機(jī)器學(xué)習(xí)是人工智能的一個(gè)重要分支，被廣泛應(yīng)用于大數(shù)據(jù)相關(guān)的諸多領(lǐng)域，深入推動(dòng)了各個(gè)行業(yè)的創(chuàng)新與變革。對(duì)于當(dāng)今的高校學(xué)生，全面理解且有效運(yùn)用機(jī)器學(xué)習(xí)方法是十分必要的。面對(duì)新時(shí)代的發(fā)展需求，為培養(yǎng)學(xué)生應(yīng)對(duì)時(shí)代變革所需的能力，從2015年開(kāi)始北京大學(xué)醫(yī)學(xué)部面向本科生和研究生開(kāi)設(shè)多門機(jī)器學(xué)習(xí)相關(guān)選修課，同時(shí)將機(jī)器學(xué)習(xí)的相關(guān)內(nèi)容融入到本科生的“大學(xué)計(jì)算機(jī)”這門必修課中。多位老師花費(fèi)大量時(shí)間和精力進(jìn)行課程的建設(shè)和改革，形成完整的教學(xué)內(nèi)容及豐富的案例式教學(xué)課程資源，這些課程深受學(xué)生的喜愛(ài)。因此我們反復(fù)對(duì)課程實(shí)施過(guò)程中的教學(xué)資源及教學(xué)經(jīng)驗(yàn)進(jìn)行梳理總結(jié)，并編寫整理成書，為更多高校的教育教學(xué)提供參考。

本書面向各領(lǐng)域的實(shí)際問(wèn)題需求，以培養(yǎng)學(xué)生的計(jì)算思維能力為目標(biāo)，以全新的視角組織內(nèi)容，按照數(shù)據(jù)分析的流程，通過(guò)機(jī)器學(xué)習(xí)方法和應(yīng)用實(shí)踐相結(jié)合的方式深入講解常用算法。

本書既注重思維培養(yǎng)，又兼顧應(yīng)用需求，在通俗易懂的前提下，追求知識(shí)體系的系統(tǒng)性，盡可能全面展示機(jī)器學(xué)習(xí)的方法及應(yīng)用。

本書具有以下特點(diǎn)：

1. 內(nèi)容全面。以機(jī)器學(xué)習(xí)的角度，按照數(shù)據(jù)分析的流程組織內(nèi)容，循序漸進(jìn)地引導(dǎo)讀者掌握機(jī)器學(xué)習(xí)的常用方法，逐步培養(yǎng)讀者的數(shù)據(jù)素養(yǎng)。

2. 案例實(shí)用。本書選用實(shí)際問(wèn)題作為案例，以Python語(yǔ)言為載體，讓讀者通過(guò)簡(jiǎn)單的代碼輕松實(shí)現(xiàn)機(jī)器學(xué)習(xí)的整個(gè)過(guò)程，解決實(shí)際問(wèn)題，快速獲得計(jì)算思維能力的提升。

3. 資源豐富。本書提供重點(diǎn)例題的講解視頻⒊絳蛟綽搿⑾疤獾榷嘀紙?zhí)学自嚧，扫描蕶┬蠂娄位置诞��维码可以灾O吖劭礎(chǔ)⒀�习��

4. 作者團(tuán)隊(duì)優(yōu)秀。編寫本書的教師都具有多年的一線教學(xué)經(jīng)驗(yàn)，本書重難點(diǎn)突出，能夠激發(fā)學(xué)生的學(xué)習(xí)熱情。

本書由王路漫、齊惠穎任主編，張愛(ài)桃、王靜、殷蜀梅、周瑜任副主編。參編人員撰寫任務(wù)情況如下：第1、6、11章由王路漫編寫，第2章由王晨編寫，第3章由齊惠穎編寫，第4章由楊莉編寫，第5、8章由張愛(ài)桃編寫，第7、10章由王靜編寫，第9章由周瑜編寫，第12章由殷蜀梅編寫。王路漫、周瑜和焦影倩共同完成本書的統(tǒng)稿和定稿工作。

此外，中國(guó)水利水電出版社的有關(guān)負(fù)責(zé)同志對(duì)本書的出版給予了大力支持，特別是周益丹副編審，在本書的策劃和寫作中，提出了寶貴的意見(jiàn)，在此深表感謝。

由于編者水平有限，書中難免出現(xiàn)遺漏和不當(dāng)之處，敬請(qǐng)讀者提出寶貴建議，批評(píng)指正！

王路漫

2022年6月

前言
第1章　機(jī)器學(xué)習(xí)概述 1
1.1 機(jī)器學(xué)習(xí)的概念 1
1.2　機(jī)器學(xué)習(xí)的分類 2
1.2.1　實(shí)際問(wèn)題的分類 2
1.2.2　根據(jù)訓(xùn)練方法進(jìn)行分類 2
1.3 機(jī)器學(xué)習(xí)的開(kāi)發(fā)流程 3
1.4 機(jī)器學(xué)習(xí)的應(yīng)用 4
本章小結(jié) 6
習(xí) 題 6
第2章　Python語(yǔ)言基礎(chǔ) 7
2.1 Python語(yǔ)言概述 7
2.1.1 Python簡(jiǎn)介 7
2.1.2 Python優(yōu)勢(shì) 7
2.2　Python環(huán)境配置與使用 8
2.2.1 Anaconda的安裝方法 8
2.2.2 Spyder的環(huán)境介紹 12
2.2.3 第三方庫(kù)的安裝方法 13
2.3　數(shù)據(jù)分析相關(guān)庫(kù)的介紹 15
2.3.1 NumPy庫(kù) 15
2.3.2 Pandas庫(kù) 19
2.3.3 Sklearn庫(kù) 22
本章小結(jié) 24
習(xí) 題 24
第3章 網(wǎng)絡(luò)爬蟲 26
3.1 網(wǎng)絡(luò)爬蟲基本知識(shí) 26
3.1.1 網(wǎng)絡(luò)爬蟲簡(jiǎn)介 26
3.1.2 HTTP協(xié)議 28
3.1.3 HTML語(yǔ)言 32
3.1.4 CSS樣式表 33
3.1.5 JavaScript腳本 34
3.2 網(wǎng)頁(yè)內(nèi)容獲取方法 35
3.2.1 requests主要方法 35
3.2.2 response對(duì)象 39
3.3 網(wǎng)頁(yè)內(nèi)容解析方法 40
3.3.1 BeautifulSoup 40
3.3.2 正則表達(dá)式 46
3.4 數(shù)據(jù)存儲(chǔ) 50
3.4.1 TXT格式存儲(chǔ) 51
3.4.2 JSON格式存儲(chǔ) 51
3.4.3 CSV格式存儲(chǔ) 52
3.4.4 圖片文件存儲(chǔ) 52
本章小結(jié) 52
習(xí) 題 53
第4章　數(shù)據(jù)預(yù)處理與特征工程 54
4.1　數(shù)據(jù)預(yù)處理的主要方法 54
4.1.1 刪除數(shù)據(jù) 54
4.1.2 缺失值處理 56
4.1.3 重復(fù)值處理 60
4.1.4 異常值處理 62
4.1.5 數(shù)據(jù)類型的轉(zhuǎn)換 62
4.2　特征選擇的主要方法 64
4.2.1 過(guò)濾法 64
4.2.2 包裹法 67
4.2.3 嵌入法 68
4.3　數(shù)據(jù)預(yù)處理與特征工程綜合實(shí)例
——Titanic生存分析 68
本章小結(jié) 73
習(xí) 題 73
第5章　多元回歸分析 75
5.1　多元線性回歸 75
5.1.1　線性回歸的基本原理 75
5.1.2 多元線性回歸的實(shí)現(xiàn) 79
5.1.3 回歸模型的評(píng)估指標(biāo) 81
5.2　多重共線性問(wèn)題 83
5.2.1　多重共線性的定義 83
5.2.2　嶺回歸 85
5.2.3　Lasso回歸 89
5.3 非線性回歸——多項(xiàng)式回歸 91
5.3.1　多項(xiàng)式回歸的基本概念 92
5.3.2　多項(xiàng)式回歸的實(shí)現(xiàn) 93
5.4　Logistic回歸 94
5.4.1　Logistic回歸模型 94
5.4.2　Logistic回歸參數(shù)估計(jì) 96
5.4.3　Logistic回歸評(píng)估指標(biāo) 98
5.4.4　應(yīng)用實(shí)例 100
本章小結(jié) 103
習(xí) 題 103
第6章 分類方法 106
6.1 分類方法概述 106
6.2 決策樹(shù) 107
6.2.1 決策樹(shù)方法的基本概念 107
6.2.2　決策樹(shù)方法的工作方式 108
6.2.3　屬性選擇的度量 109
6.2.4　決策樹(shù)算法——ID3算法 110
6.2.5 Sklearn中決策樹(shù)算法的實(shí)現(xiàn) 110
6.2.6　決策樹(shù)算法應(yīng)用實(shí)例 113
6.3 隨機(jī)森林 117
6.3.1 隨機(jī)森林概述 117
6.3.2 Sklearn中隨機(jī)森林算法的實(shí)現(xiàn) 118
6.3.3 隨機(jī)森林算法應(yīng)用實(shí)例 118
6.4　分類算法評(píng)估 122
6.4.1　評(píng)估準(zhǔn)則 122
6.4.2 評(píng)估過(guò)程 122
6.4.3 評(píng)估方法 123
6.4.4 評(píng)估實(shí)例 124
本章小結(jié) 125
習(xí) 題 125
第7章 支持向量機(jī) 126
7.1 支持向量機(jī)算法概述 126
7.2　SVM的分類實(shí)現(xiàn)方法及案例 129
7.2.1 SVC支持向量分類算法 129
7.2.2 NuSVC支持向量分類算法 131
7.2.3 LinearSVC線性支持向量分類算法 133
7.3 SVM的回歸實(shí)現(xiàn)方法及案例 135
7.3.1 SVR回歸實(shí)現(xiàn)方法 135
7.3.2 NuSVR回歸實(shí)現(xiàn)方法 137
7.3.3 LinearSVR回歸實(shí)現(xiàn)方法 138
7.4 SVM異常檢測(cè)的實(shí)現(xiàn)方法 139
7.5 SVM實(shí)戰(zhàn)——人臉識(shí)別 140
7.5.1 導(dǎo)入并顯示數(shù)據(jù)集 141
7.5.2 SVM分類器模型選擇和優(yōu)化 142
本章小結(jié) 144
習(xí) 題 144
第8章 樸素貝葉斯方法 146
8.1 樸素貝葉斯方法概述 146
8.1.1　貝葉斯定理 146
8.1.2　樸素貝葉斯方法原理 147
8.2　不同分布下的貝葉斯方法 148
8.2.1　高斯樸素貝葉斯方法 148
8.2.2　多項(xiàng)式樸素貝葉斯方法 150
8.3 樸素貝葉斯實(shí)例——文本分類 152
8.4 概率類模型評(píng)估的評(píng)估指標(biāo) 154
8.4.1 布利爾分?jǐn)?shù) 155
8.4.2 對(duì)數(shù)損失函數(shù) 156
8.4.3 可靠性曲線 156
本章小結(jié) 158
習(xí) 題 159
第9章 聚類分析方法 161
9.1 聚類分析方法與無(wú)監(jiān)督學(xué)習(xí) 161
9.1.1 聚類分析方法 161
9.1.2 聚類分析和分類分析的區(qū)別 162
9.2 k-均值聚類算法 162
9.2.1 k-均值聚類算法概述 162
9.2.2 距離度量 163
9.2.3 Sklearn中k-均值聚類算法的實(shí)現(xiàn) 164
9.2.4 k-均值聚類算法的優(yōu)缺點(diǎn) 166
9.3 密度聚類算法 167
9.3.1 密度聚類算法概述 167
9.3.2 DBSCAN算法的實(shí)現(xiàn) 169
9.4 聚類算法的評(píng)估 170
9.4.1 確定聚類簇?cái)?shù)k 170
9.4.2 評(píng)估聚類質(zhì)量 172
9.5 聚類算法實(shí)例 174
本章小結(jié) 177
習(xí) 題 178
第10章 人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 179
10.1 人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)概述 179
10.2 人工神經(jīng)網(wǎng)絡(luò)的原理 181
10.2.1 人工神經(jīng)元模型 181
10.2.2 人工神經(jīng)網(wǎng)絡(luò)模型 185
10.2.3 人工神經(jīng)網(wǎng)絡(luò)算法 186
10.3 BP神經(jīng)網(wǎng)絡(luò) 186
10.3.1　BP神經(jīng)網(wǎng)絡(luò)的模型 187
10.3.2　BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法 187
10.3.3　BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì) 188
10.4 人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)方法 189
10.4.1 MLPClassifier介紹 189
10.4.2 MLPClassifier案例 190
10.5 人工神經(jīng)網(wǎng)絡(luò)算法實(shí)戰(zhàn)——人臉識(shí)別 195
10.5.1　導(dǎo)入數(shù)據(jù)集并進(jìn)行數(shù)據(jù)集劃分 196
10.5.2 優(yōu)化MLP分類器模型 196
10.5.3 MLP分類器模型預(yù)測(cè) 200
本章小結(jié) 201
練 習(xí) 201
第11章 數(shù)據(jù)可視化 202
11.1 數(shù)據(jù)可視化的概念及分類 202
11.2 使用Matplotlib庫(kù)進(jìn)行圖表的繪制 204
11.2.1　圖表的主要元素及繪制步驟 204
11.2.2 簡(jiǎn)單圖表繪制 206
11.2.3　多圖組合繪制 214
本章小結(jié) 216
習(xí) 題 217
第12章 基于Pyecharts的大數(shù)據(jù)可視化圖表 218
12.1 Pyecharts概述 218
12.1.1 Pyecharts的簡(jiǎn)介 218
12.1.2 Pyecharts的主要繪制步驟 218
12.2 基于文本數(shù)據(jù)生成詞云圖 221
12.2.1 利用Pyecharts繪制英文詞云圖 221
12.2.2 利用jieba繪制中文詞云圖 222
12.3 基于結(jié)構(gòu)化數(shù)據(jù)生成立體交互式圖表 223
12.4 基于JSON格式文件繪制桑基圖 225
12.5 繪制圓形關(guān)系圖 227
本章小結(jié) 229
習(xí) 題 229
參考文獻(xiàn) 230

1. 輸水管線工程風(fēng)險(xiǎn)管理 [張勇 黨亥生 著]
2. 民用航空飛機(jī)標(biāo)準(zhǔn)線路施工 [主編　王志敏　陳明]
3. 不息的水脈—大運(yùn)河講談錄 [趙珩　著]
4. 實(shí)用運(yùn)籌學(xué) [主編　邢育紅　于晉臣]
5. 三峽梯級(jí)電站水資源決策支持系統(tǒng)研究與開(kāi)發(fā) [姚華明 潘紅忠 湯正]
6. 海南黎族民俗文化鑒賞 [龐國(guó)華　著]
7. 石墨烯在太赫茲及中紅外頻段電磁器件設(shè)計(jì)中的應(yīng)用 [李艷秀 莊華偉 著]
8. 電子技術(shù)（第二版） [主編 覃愛(ài)娜 李飛]
9. 辦公自動(dòng)化高級(jí)應(yīng)用 [陳萍 朱曉玉]
10. 信息處理技術(shù)員考試32小時(shí)通關(guān) [薛大龍]
11. 電子產(chǎn)品設(shè)計(jì)案例教程（微課版）—基于嘉立創(chuàng)EDA（專業(yè)版） [王靜 莫志宏 陳學(xué)昌 丁紅]
12. C程序設(shè)計(jì)實(shí)踐教程 [劉衛(wèi)國(guó)]
13. C程序設(shè)計(jì)（慕課版） [劉衛(wèi)國(guó)]
14. Web技術(shù)開(kāi)發(fā)教程（基于.NET開(kāi)源MVC框架） [王合闖 韓紅玲 王青正 陳海蕊]
15. 商務(wù)英語(yǔ)翻譯教程（筆譯）（第四版） [主編 王軍平]
16. 智慧零售技術(shù)與應(yīng)用 [洪旭 著]
17. 建設(shè)工程法規(guī)實(shí)務(wù) [主編 余瀅]
18. 商務(wù)秘書理論與實(shí)務(wù)（第三版） [主編 張同欽]
19. 程序設(shè)計(jì)基礎(chǔ)實(shí)踐教程（C/C++語(yǔ)言版） [張桂芬 葛麗娜]
20. C++案例項(xiàng)目精講 [主編 楊國(guó)興]
21. 勞動(dòng)爭(zhēng)議處理實(shí)務(wù) [主編 王秀卿 羅靜]
22. 工程數(shù)學(xué) [主編 郭立娟 王海]
23. 語(yǔ)音識(shí)別理論與實(shí)踐 [主編　莫宏偉]
24. 信息系統(tǒng)項(xiàng)目管理師章節(jié)習(xí)題與考點(diǎn)特訓(xùn)（第二版） [主編 薛大龍]
25. 武術(shù)基礎(chǔ)教程 [主編 李代勇 謝志民]
26. 計(jì)算機(jī)網(wǎng)絡(luò)實(shí)訓(xùn)教程 [主編 張浩軍 趙玉娟]
27. 畫法幾何與機(jī)械制圖習(xí)題集（多學(xué)時(shí)） [主編 趙軍]
28. HCIA-Datacom認(rèn)證題庫(kù)分類精講 [主 編 韓立剛]
29. SwiftUI完全開(kāi)發(fā) [李智威 著]
30. 網(wǎng)絡(luò)規(guī)劃設(shè)計(jì)師備考一本通 [夏杰 編著]