scikit-learn機器學習超入門(算法原理與實踐)

黃永昌，男，2004年畢業於廈門大學自動化系。 軟件工程師，從事軟件開發和管理工作15年。著有《Scikit-learnn機器學習：常用算法原理及編程實戰》一書。2016年開始研究Scratch少兒編程及兒童邏輯思維訓I練啟蒙教育。曾經在網易雲課堂開設基於Scratch 2.0的少兒編程視頻課程。積極關註Scratch 3.0開源項目的開發進展及其背後的GoogleBlockly技術。曾經打包製作了可以在Linux平臺上運行的Scratch 3.0編輯器，頗受好評。2018年開始開展線下Scratch少兒編程培訓，積累了豐富的教學經驗，能夠深刻地理解少兒在學習編程中的思維障礙，從而循序漸進地引導少兒使用計算機思維解決問題。

第1章 機器學習概述
1.1 什麽是機器學習
1.2 機器學習有什麽用
1.3 機器學習的分類
1.4 機器學習應用開發的典型步驟
1.4.1 數據採集和標記
1.4.2 數據清洗
1.4.3 特徵選擇
1.4.4 模型選擇
1.4.5 模型訓練和測試
1.4.6 模型的性能評估和優化
1.4.7 模型的使用
1.5 習題
第2章 Python機器學習軟件包
2.1 開發環境搭建
2.2 IPython基礎與Jupyter圖形界面
2.2.1 IPython基礎
2.2.2 Jupyter圖形界面
2.3 NumPy簡介
2.3.1 NumPy數組
2.3.2 NumPy運算
2.4 pandas簡介
2.4.1 基本數據結構
2.4.2 數據排序
2.4.3 數據訪問
2.4.4 時間序列
2.4.5 數據可視化
2.4.6 文件讀寫
2.5 Matplotlib簡介
2.5.1 圖形樣式
2.5.2 圖形對象
2.5.3 畫圖操作
2.6 scikit-learn簡介
2.6.1 示例：用scikit-learn實現手寫數字識別
2.6.2 用scikit-learn處理機器學習問題的通用規則
2.7 習題
2.8 拓展學習資源
第3章 機器學習理論基礎
3.1 過擬合和欠擬合
3.2 成本函數
3.3 模型的準確性
3.3.1 模型性能的不同表述方式
3.3.2 交叉驗證數據集
3.4 學習曲線
3.4.1 示例：畫出學習曲線
3.4.2 過擬合和欠擬合的特徵
3.5 算法模型性能優化
3.6 查準率和召回率
3.7 F1分數
3.8 習題
第4章 k-近鄰算法
4.1 算法原理
4.1.1 算法的優缺點
4.1.2 算法的參數
4.1.3 算法的變種
4.2 示例：使用k-近鄰算法進行分類
4.3 示例：使用k-近鄰算法進行回歸擬合
……
第5章 線性回歸算法
第6章 邏輯回歸算法
第7章 決策樹算法
第8章 支持向量機算法
第9章 樸素貝葉斯算法
0章 PCA算法
1章 k-均值算法
後記