基于Python的人工智能应用基础_王静_9787563564774

人工智能是进行数据分析的强有力工具。本书针对非计算机专业的学生，从算法和Python语言实现的角度，帮助读者认识人工智能，以人工智能应用为目的，由浅入深、循序渐进地介绍人工智能的相关概念、实现流程以及具体应用，使非计算机专业的学生也能应用人工智能的方法解决本专业的问题。

第1章绪论1

1.1人工智能的基本概念1

1.2人工智能的发展历程1

1.2.1人工智能的萌芽和诞生1

1.2.2人工智能的次浪潮3

1.2.3人工智能的第二次浪潮4

1.2.4人工智能的第三次浪潮4

1.3生活中的人工智能5

1.4人工智能背后的技术机器学习9

1.4.1机器学习与深度学习的关系9

1.4.2人工智能相关概念10

1.5非计算机专业的人学习人工智能的方法13

1.6本章小结15

第2章Python语言基础16

2.1引言16

2.1.1Python的发展历史16

2.1.2Python的特点16

2.1.3在人工智能领域使用Python语言的优点17

2.2环境介绍17

2.2.1Anaconda安装17

2.2.2Jupyter Notebook环境介绍22

2.3变量和基本数据类型25

2.3.1变量25

2.3.2字符串26

2.3.3数字34

2.3.4类型转换35

2.4常用运算符35

2.4.1算术运算符35

2.4.2赋值运算符36

2.4.3比较运算符36

2.4.4逻辑运算符37

2.4.5运算符的优先级37

2.5程序结构38

2.5.1分支结构38

2.5.2循环结构42

2.6其他常用数据类型48

2.6.1列表48

2.6.2元组59

2.6.3字典60

2.7函数64

2.7.1函数的定义与调用64

2.7.2函数参数65

2.7.3返回值69

2.7.4匿名函数70

2.8本章小结70

第3章机器学习相关库的介绍71

3.1基础科学计算库Numpy71

3.2数据分析库Pandas86

3.2.1Pandas中的数据类型86

3.2.2Pandas中的数据处理89

3.3机器学习库Scikitlearn93

3.3.1Sklearn中的数据集95

3.3.2数据预处理97

3.3.3数据建模97

3.3.4模型评估与优化97

3.4本章小结103

第4章数据获取104

4.1爬虫的基础知识104

4.1.1爬虫分类104

4.1.2robots协议105

4.1.3HTTP协议105

4.1.4网页结构109

4.2爬虫步骤112

4.2.1requests模块113

4.2.2BeautifulSoup模块117

4.2.3正则表达式123

4.2.4re模块125

4.2.5数据的存储130

4.3Ajax数据爬取134

4.3.1Ajax基本原理134

4.3.2Ajax方法分析137

4.3.3Ajax实例138

4.4本章小结139

第5章数据预处理140

5.1数据预处理概述140

5.1.1数据清理140

5.1.2数据变换143

5.1.3数据归约144

5.1.4数据集成147

5.2Pandas中数据预处理的方法147

5.2.1预处理数据的生成147

5.2.2缺失数据处理148

5.2.3格式的规范化151

5.2.4重复数据的去除153

5.2.5数据集成方法154

5.3Sklearn中数据预处理的方法158

5.3.1数据标准化158

5.3.2范畴特征编码161

5.3.3特征离散化162

5.3.4缺失数据处理163

5.3.5主成分分析164

5.4本章小结165

第6章数据可视化166

6.1Matplotlib库入门166

6.2简单图表绘制167

6.2.1折线图绘制167

6.2.2曲线图绘制174

6.2.3柱状图绘制175

6.2.4散点图绘制176

6.2.5饼图绘制178

6.3高级图表绘制179

6.3.1盒图/箱线图绘制179

6.3.2子图绘制181

6.3.3极坐标图绘制183

6.4文本数据可视化185

6.4.1文本数据可视化工具185

6.4.2用Python实现文本数据可视化的方法186

6.5本章小结189

第7章k近邻算法及其应用190

7.1k近邻算法原理190

7.2k近邻算法在分类问题中的实现和应用191

7.2.1KNN分类器实现192

7.2.2KNN分类问题应用实战鸢尾花分类195

7.3k近邻算法在回归问题中的实现和应用205

7.3.1KNN回归分析方法205

7.3.2KNN回归分析实战人脸填充208

7.4本章小结210

第8章朴素贝叶斯算法及其应用211

8.1贝叶斯分类器原理211

8.2朴素贝叶斯算法Python实现214

8.2.1高斯朴素贝叶斯分类器214

8.2.2伯努利朴素贝叶斯分类器216

8.2.3多项式朴素贝叶斯分类器219

8.3朴素贝叶斯算法的实战对乳腺癌数据集进行辅助诊断220

8.3.1数据导入和初步分析220

8.3.2朴素贝叶斯分类器的建模和预测224

8.4本章小结226

第9章广义线性模型227

9.1线性模型的基本概念227

9.2常见的线性模型及其实现228

9.2.1基本的线性模型线性回归228

9.2.2改进的线性模型岭回归232

9.3常见的线性分类模型及其实现234

9.3.1岭分类234

9.3.2逻辑回归236

9.3.3线性判别分析模型237

9.4本章小结238

第10章支持向量机240

10.1SVM的基本原理240

10.2SVM的实现242

10.3SVC、LinearSVC和NuSVC性能比较245

10.4SVM的核函数参数设置247

10.5SVM实现手写字符的识别249

10.5.1导入并显示数据集249

10.5.2SVM分类器的建模和预测250

10.6本章小结252

第11章人工神经网络及其应用253

11.1人工神经网络的发展历史253

11.1.1代人工神经网络253

11.1.2第二代人工神经网络253

11.1.3第三代人工神经网络254

11.2人工神经网络的原理及实现254

11.3人工神经网络分类器的实现和参数设置260

11.3.1人工神经网络分类器的实现260

11.3.2人工神经网络分类器的参数设置263

11.4人工神经网络实践人脸识别270

11.4.1Olivetti人脸数据集270

11.4.2样本划分及MLP分类器训练272

参考文献274

我要评论