Python机器学习算法与应用

第1章 机器学习概述
1.1 机器学习定义
1.2 机器学习的发展
1.3 机器学习的分类
1.4 机器学习的研究领域
1.5 本章小结
第2章 机器学习数据特征
2.1 数据分布性
2.1.1 数据分布集中趋势的测定
2.1.2 数据分布离散程度的测定
2.1.3 数据分布偏态与峰度的测定
2.2 数据相关性
2.2.1 相关关系
2.2.2 相关分析
2.3 数据聚类性
2.4 数据主成分分析
2.4.1 主成分分析的原理及模型
2.4.2 主成分分析的几何解释
2.4.3 主成分的导出
2.4.4 证明主成分的方差是依次递减
2.4.5 主成分分析的计算
2.5 数据动态性
2.6 数据可视化
2.7 本章小结
第3章 机器学习分类算法
3.1 数据清洗和特征选择
3.1.1 数据清洗
3.1.2 特征选择
3.1.3 回归分析
3.2 决策树、随机森林
3.3 SVM
3.3.1 分类面和广义 分类面
3.3.2 SVM的非线性映射
3.3.3 核函数
3.4 聚类算法
3.5 EM算法
3.6 贝叶斯算法
3.7 隐马尔可夫模型
3.8 LDA主题模型
3.9 人工神经网络
3.10 KNN算法
3.11 本章小结
第4章 Python机器学习项目
4.1 SKlearn
4.1.1 SKlearn包含的机器学习方式
4.1.2 SKlearn的强大数据库
4.1.3 鸢尾花数据集举例
4.1.4 Boston房价数据集的示例
4.2 TensorFlow
4.2.1 TensorFlow简介