人工智能入門 常用工具

目錄
第　1章Python語法要素　1
1．1用模塊組織代碼　1
1．2模塊的兩種使用方式　2
1．3編程的語法要素　4
1．3．1變量　4
1．3．2變量的數(shù)據(jù)類型和運算　5
1．4代碼實戰(zhàn)　1：計算二維空間兩個點的距離　6
1．5數(shù)據(jù)結(jié)構(gòu)　7
1．5．1列表　9
1．5．2字典　10
1．6代碼實戰(zhàn)　2：計算三維空間中兩個點的距離　11
第　2章語法結(jié)構(gòu)　13
2．1分支結(jié)構(gòu)　13
2．2循環(huán)結(jié)構(gòu)　14
2．2．1退出循環(huán)　15
2．2．2else　16
2．3代碼實戰(zhàn)：計算高維空間兩個點的距離　16
第3章函數(shù)和類　18
3．1函數(shù)　18
3．1．1定義函數(shù)　18
3．1．2代碼實戰(zhàn)：距離函數(shù)　19
3．2類和對象　20
3．3類和繼承　22
3．4小結(jié)　24
第4章走進機器學習　25
4．1不要關(guān)心概念　26
4．2數(shù)據(jù)建模　27
4．2．1用數(shù)學公式建?！?7
4．2．2用概率建模　28
4．3機器學習的功能　30
4．3．1什么是分類問題　30
4．3．2什么是回歸問題　32
4．3．3什么是聚類問題　34
4．4小結(jié)　36
第5章如何獲取數(shù)據(jù)　37
5．1代碼實戰(zhàn)1：獲得鳶尾花數(shù)據(jù)集　37
5．2　專家解讀　39
5．3代碼實戰(zhàn)2：獲得新聞數(shù)據(jù)集　40
5．4專家解讀　41
5．5代碼實戰(zhàn)3：生成不均衡數(shù)據(jù)集　41
5．6專家解讀　42
5．7小結(jié)　44
第6章讀取外部數(shù)據(jù)　45
6．1代碼實戰(zhàn)1：從文件讀取數(shù)據(jù)　45
6．2專家解讀　46
6．2．1對時間的處理　47
6．2．2大文件迭代　47
6．2．3CSV文件的寫操作　48
6．3libsvm格式文件的讀寫　49
6．4專家解讀　50
6．5代碼實戰(zhàn)2：從MySQL讀取數(shù)據(jù)　51
第7章數(shù)據(jù)可視化探索　53
7．1作者建議　53
7．2代碼實戰(zhàn)　1：觀察分布　54
7．3代碼實戰(zhàn)　2：觀察變量間關(guān)系　59
7．4小結(jié)　63
第8章數(shù)據(jù)清洗　65
8．1代碼實戰(zhàn)　1：特征類型校準　65
8．2代碼實戰(zhàn)　2：數(shù)據(jù)分布可視化　67
8．3代碼實戰(zhàn)　3：處理缺失值　69
8．4代碼實戰(zhàn)　4：經(jīng)驗法則和異常值處理　72
8．5代碼實戰(zhàn)　5：方差分析和變量篩選　75
第9章如何做回歸　79
9．1代碼實戰(zhàn)　1：經(jīng)典回歸　79
9．2專家解讀　82
9．3代碼實戰(zhàn)　2：多元線性回歸　84
9．4專家解讀　86
9．5代碼實戰(zhàn)　3：嶺回歸　86
9．6專家解讀　87
9．7代碼實戰(zhàn)　4：Lasso回歸　88
9．8專家解讀　89
9．9代碼實戰(zhàn)　5：KDE回歸　90
9．10專家解讀　93
9．11小結(jié)　95
第　10章支持向量機和圖像分類　96
10．1代碼實戰(zhàn)　1：支持向量機和圖像識別　96
10．2專家解讀　101
10．3代碼實戰(zhàn)　2：核技巧　104
10．4代碼實戰(zhàn)　3：軟間隔 vs 硬間隔　108
10．5小結(jié)　109
第　11章模型評估和優(yōu)化　110
11．1代碼實戰(zhàn)　1：如何評估模型的分數(shù)　111
11．2專家解讀　112
11．3代碼實戰(zhàn)　2：繪制ROC曲線　114
11．4專家解讀　117
11．5代碼實戰(zhàn)　3：使用交叉驗證對模型評分　118
11．6小結(jié)　121
第　12章神經(jīng)網(wǎng)絡(luò)和深度學習　122
12．1神經(jīng)網(wǎng)絡(luò)　122
12．1．1M-P神經(jīng)元模型　124
12．1．2前饋神經(jīng)網(wǎng)絡(luò)　124
12．2卷積神經(jīng)網(wǎng)絡(luò)　125
12．2．1CNN的典型結(jié)構(gòu)示意　126
12．2．2卷積層　127
12．2．3ReLU層　128
12．2．4池化層　129
12．2．5全連接層　129
12．3BP算法　129
12．4盤點著名的CNN架構(gòu)　130
第　13章深度學習的硬件和軟件　133
13．1為什么是GPU　133
13．1．1GPU和矩陣運算　134
13．1．2CUDA　135
13．2深度學習框架　136
13．2．1框架的意義　137
13．2．2各種框架盤點　138
13．2．3什么是Keras　139
13．3小結(jié)　142
第　14章TensorFlow入門　143
14．1初識　143
14．2專家解讀　144
14．3代碼實戰(zhàn)：線性回歸　148
14．4小結(jié)　152
第　15章Keras入門必讀　153
15．1代碼實戰(zhàn)1：用Keras做線性回歸模型　154
15．2專家解讀　157
15．2．1序列模型和函數(shù)式模型的區(qū)別　158
15．2．2激活層的簡寫　159
15．2．3Keras的scikit-learn接口　160
15．3　代碼實戰(zhàn)2：手寫數(shù)字識別　161
15．4專家解讀　168
15．5小結(jié)　172
第　16章識別交通標志　174
16．1認識數(shù)據(jù)　174
16．2從圖片文件到張量　176
16．3搭建網(wǎng)絡(luò)模型　181
16．4訓練模型　183
16．5圖像增強改進　187
16．6小結(jié)　191
第　17章站在巨人的肩膀上　193
17．1代碼實戰(zhàn)1：用VGG16做圖像識別　194
17．2代碼實戰(zhàn)2：特征提取　196
17．3代碼實戰(zhàn)3：遷移學習　197
17．4經(jīng)典網(wǎng)絡(luò)通覽　203
17．4．1VGG16　204
17．4．2GoogLeNet(Inception)　207
17．4．3ResNet　211
17．5小結(jié)　214
附錄　工作環(huán)境搭建說明　215