Python 3破冰人工智能：從入門到實戰(zhàn)

第 1章　從數(shù)學建模到人工智能 1
1．1　數(shù)學建?！?
1．1．1　數(shù)學建模與人工智能　1
1．1．2　數(shù)學建模中的常見問題　4
1．2　人工智能下的數(shù)學　12
1．2．1　統(tǒng)計量　12
1．2．2　矩陣概念及運算　13
1．2．3　概率論與數(shù)理統(tǒng)計　16
1．2．4　高等數(shù)學——導數(shù)、微分、不定積分、定積分　19
第　2章 Python快速入門　24
2．1　安裝Python　24
2．1．1　Python安裝步驟　24
2．1．2　IDE的選擇　27
2．2　Python基本操作　28
2．2．1　第 一個小程序　28
2．2．2　注釋與格式化輸出　28
2．2．3　列表、元組、字典　34
2．2．4　條件語句與循環(huán)語句　37
2．2．5　break、continue、pass　40
2．3　Python高級操作　41
2．3．1　lambda　41
2．3．2　map　42
2．3．3　filter　43
第3章　Python科學計算庫NumPy　45
3．1　NumPy簡介與安裝　45
3．1．1　NumPy簡介　45
3．1．2　NumPy安裝　45
3．2　基本操作　46
3．2．1　初識NumPy　46
3．2．2　NumPy數(shù)組類型　47
3．2．3　NumPy創(chuàng)建數(shù)組　49
3．2．4　索引與切片　56
3．2．5　矩陣合并與分割　60
3．2．6　矩陣運算與線性代數(shù)　62
3．2．7　NumPy的廣播機制　69
3．2．8　NumPy統(tǒng)計函數(shù)　71
3．2．9　NumPy排序、搜索　75
3．2．10　NumPy數(shù)據(jù)的保存　79
第4章　常用科學計算模塊快速入門　80
4．1　Pandas科學計算庫　80
4．1．1　初識Pandas　80
4．1．2　Pandas基本操作　82
4．2　Matplotlib可視化圖庫　94
4．2．1　初識Matplotlib　94
4．2．2　Matplotlib基本操作　96
4．2．3　Matplotlib繪圖案例　98
4．3　SciPy科學計算庫　100
4．3．1　初識SciPy　100
4．3．2　SciPy基本操作　101
4．3．3　SciPy圖像處理案例　103
第5章　Python網(wǎng)絡爬蟲　106
5．1　爬蟲基礎　106
5．1．1　初識爬蟲　106
5．1．2　網(wǎng)絡爬蟲的算法　107
5．2　爬蟲入門實戰(zhàn)　107
5．2．1　調(diào)用API　107
5．2．2　爬蟲實戰(zhàn)　112
5．3　爬蟲進階—高效率爬蟲　113
5．3．1　多進程　113
5．3．2　多線程　114
5．3．3　協(xié)程　115
5．3．4　小結(jié)　116
第6章　Python數(shù)據(jù)存儲　117
6．1　關(guān)系型數(shù)據(jù)庫MySQL　117
6．1．1　初識MySQL　117
6．1．2　Python操作MySQL　118
6．2　NoSQL之MongoDB　120
6．2．1　初識NoSQL　120
6．2．2　Python操作MongoDB　121
6．3　本章小結(jié)　123
6．3．1　數(shù)據(jù)庫基本理論　123
6．3．2　數(shù)據(jù)庫結(jié)合　124
6．3．3　結(jié)束語　125
第7章　Python數(shù)據(jù)分析　126
7．1　數(shù)據(jù)獲取　126
7．1．1　從鍵盤獲取數(shù)據(jù)　126
7．1．2　文件的讀取與寫入　127
7．1．3　Pandas讀寫操作　129
7．2　數(shù)據(jù)分析案例　130
7．2．1　普查數(shù)據(jù)統(tǒng)計分析案例　130
7．2．2　小結(jié)　139
第8章　自然語言處理　140
8．1　Jieba分詞基礎　140
8．1．1　Jieba中文分詞　140
8．1．2　Jieba分詞的3種模式　141
8．1．3　標注詞性與添加定義詞　142
8．2　關(guān)鍵詞提取　144
8．2．1　TF-IDF關(guān)鍵詞提取　145
8．2．2　TextRank關(guān)鍵詞提取　147
8．3　word2vec介紹　150
8．3．1　word2vec基礎原理簡介　150
8．3．2　word2vec訓練模型　153
8．3．3　基于gensim的word2vec實戰(zhàn)　154
第9章　從回歸分析到算法基礎　160
9．1　回歸分析簡介　160
9．1．1　“回歸”一詞的來源　160
9．1．2　回歸與相關(guān)　161
9．1．3　回歸模型的劃分與應用　161
9．2　線性回歸分析實戰(zhàn)　162
9．2．1　線性回歸的建立與求解　162
9．2．2　Python求解回歸模型案例　164
9．2．3　檢驗、預測與控制　166
第　10章 從K-Means聚類看算法調(diào)參　171
10．1　K-Means基本概述　171
10．1．1　K-Means簡介　171
10．1．2　目標函數(shù)　171
10．1．3　算法流程　172
10．1．4　算法優(yōu)缺點分析　174
10．2　K-Means實戰(zhàn)　174
第　11章 從決策樹看算法升級　180
11．1　決策樹基本簡介　180
11．2　經(jīng)典算法介紹　181
11．2．1　信息熵　181
11．2．2　信息增益　182
11．2．3　信息增益率184
11．2．4　基尼系數(shù)　185
11．2．5　小結(jié)　185
11．3　決策樹實戰(zhàn)　186
11．3．1　決策樹回歸　186
11．3．2　決策樹的分類　188
第　12章 從樸素貝葉斯看算法多變　193
12．1　樸素貝葉斯簡介　193
12．1．1　認識樸素貝葉斯　193
12．1．2　樸素貝葉斯分類的工作過程　194
12．1．3　樸素貝葉斯算法的優(yōu)缺點　195
12．2　3種樸素貝葉斯實戰(zhàn)　195
第　13章 從推薦系統(tǒng)看算法場景　200
13．1　推薦系統(tǒng)簡介　200
13．1．1　推薦系統(tǒng)的發(fā)展　200
13．1．2　協(xié)同過濾　201
13．2　基于文本的推薦　208
13．2．1　標簽與知識圖譜推薦案例　209
13．2．2　小結(jié)　217
第　14章 從TensorFlow開啟深度學習之旅　218
14．1　初識TensorFlow　218
14．1．1　什么是TensorFlow　218
14．1．2　安裝TensorFlow　219
14．1．3　TensorFlow基本概念與原理　219
14．2　TensorFlow數(shù)據(jù)結(jié)構(gòu)　221
14．2．1　階　221
14．2．2　形狀　221
14．2．3　數(shù)據(jù)類型　221
14．3　生成數(shù)據(jù)十二法　222
14．3．1　生成Tensor　222
14．3．2　生成序列　224
14．3．3　生成隨機數(shù)　225
14．4　TensorFlow實戰(zhàn)　225
參考文獻　230