人工智能入門(mén) 常用工具

目錄
第　1章Python語(yǔ)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(yǔ)法要素　4
1．3．1變量　4
1．3．2變量的數(shù)據(jù)類(lèi)型和運(yùn)算　5
1．4代碼實(shí)戰(zhàn)　1：計(jì)算二維空間兩個(gè)點(diǎn)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(shí)戰(zhàn)　2：計(jì)算三維空間中兩個(gè)點(diǎn)的距離　11
第　2章語(yǔ)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(shí)戰(zhàn)：計(jì)算高維空間兩個(gè)點(diǎn)的距離　16
第3章函數(shù)和類(lèi)　18
3．1函數(shù)　18
3．1．1定義函數(shù)　18
3．1．2代碼實(shí)戰(zhàn)：距離函數(shù)　19
3．2類(lèi)和對(duì)象　20
3．3類(lèi)和繼承　22
3．4小結(jié)　24
第4章走進(jìn)機(jī)器學(xué)習(xí)　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(xué)公式建?！?7
4．2．2用概率建?！?8
4．3機(jī)器學(xué)習(xí)的功能　30
4．3．1什么是分類(lèi)問(wèn)題　30
4．3．2什么是回歸問(wèn)題　32
4．3．3什么是聚類(lèi)問(wèn)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(shí)戰(zhàn)1：獲得鳶尾花數(shù)據(jù)集　37
5．2　專(zhuān)家解讀　39
5．3代碼實(shí)戰(zhàn)2：獲得新聞數(shù)據(jù)集　40
5．4專(zhuān)家解讀　41
5．5代碼實(shí)戰(zhàn)3：生成不均衡數(shù)據(jù)集　41
5．6專(zhuān)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(shí)戰(zhàn)1：從文件讀取數(shù)據(jù)　45
6．2專(zhuān)家解讀　46
6．2．1對(duì)時(shí)間的處理　47
6．2．2大文件迭代　47
6．2．3CSV文件的寫(xiě)操作　48
6．3libsvm格式文件的讀寫(xiě)　49
6．4專(zhuān)家解讀　50
6．5代碼實(shí)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(shí)戰(zhàn)　1：觀察分布　54
7．3代碼實(shí)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(shí)戰(zhàn)　1：特征類(lèi)型校準(zhǔn)　65
8．2代碼實(shí)戰(zhàn)　2：數(shù)據(jù)分布可視化　67
8．3代碼實(shí)戰(zhàn)　3：處理缺失值　69
8．4代碼實(shí)戰(zhàn)　4：經(jīng)驗(yàn)法則和異常值處理　72
8．5代碼實(shí)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(shí)戰(zhàn)　1：經(jīng)典回歸　79
9．2專(zhuān)家解讀　82
9．3代碼實(shí)戰(zhàn)　2：多元線性回歸　84
9．4專(zhuān)家解讀　86
9．5代碼實(shí)戰(zhàn)　3：嶺回歸　86
9．6專(zhuān)家解讀　87
9．7代碼實(shí)戰(zhàn)　4：Lasso回歸　88
9．8專(zhuān)家解讀　89
9．9代碼實(shí)戰(zhàn)　5：KDE回歸　90
9．10專(zhuān)家解讀　93
9．11小結(jié)　95
第　10章支持向量機(jī)和圖像分類(lèi)　96
10．1代碼實(shí)戰(zhàn)　1：支持向量機(jī)和圖像識(shí)別　96
10．2專(zhuān)家解讀　101
10．3代碼實(shí)戰(zhàn)　2：核技巧　104
10．4代碼實(shí)戰(zhàn)　3：軟間隔 vs 硬間隔　108
10．5小結(jié)　109
第　11章模型評(píng)估和優(yōu)化　110
11．1代碼實(shí)戰(zhàn)　1：如何評(píng)估模型的分?jǐn)?shù)　111
11．2專(zhuān)家解讀　112
11．3代碼實(shí)戰(zhàn)　2：繪制ROC曲線　114
11．4專(zhuān)家解讀　117
11．5代碼實(shí)戰(zhàn)　3：使用交叉驗(yàn)證對(duì)模型評(píng)分　118
11．6小結(jié)　121
第　12章神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)　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(pán)點(diǎn)著名的CNN架構(gòu)　130
第　13章深度學(xué)習(xí)的硬件和軟件　133
13．1為什么是GPU　133
13．1．1GPU和矩陣運(yùn)算　134
13．1．2CUDA　135
13．2深度學(xué)習(xí)框架　136
13．2．1框架的意義　137
13．2．2各種框架盤(pán)點(diǎn)　138
13．2．3什么是Keras　139
13．3小結(jié)　142
第　14章TensorFlow入門(mén)　143
14．1初識(shí)　143
14．2專(zhuān)家解讀　144
14．3代碼實(shí)戰(zhàn)：線性回歸　148
14．4小結(jié)　152
第　15章Keras入門(mén)必讀　153
15．1代碼實(shí)戰(zhàn)1：用Keras做線性回歸模型　154
15．2專(zhuān)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(jiǎn)寫(xiě)　159
15．2．3Keras的scikit-learn接口　160
15．3　代碼實(shí)戰(zhàn)2：手寫(xiě)數(shù)字識(shí)別　161
15．4專(zhuān)家解讀　168
15．5小結(jié)　172
第　16章識(shí)別交通標(biāo)志　174
16．1認(rèn)識(shí)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(xùn)練模型　183
16．5圖像增強(qiáng)改進(jìn)　187
16．6小結(jié)　191
第　17章站在巨人的肩膀上　193
17．1代碼實(shí)戰(zhàn)1：用VGG16做圖像識(shí)別　194
17．2代碼實(shí)戰(zhàn)2：特征提取　196
17．3代碼實(shí)戰(zhàn)3：遷移學(xué)習(xí)　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(shuō)明　215