Python机器学习 第2版 / 普通高等教育人工智能专业系列教材
定价：￥89.90
作者： 郭羽含，张露方，卢方
出版时间：2025-12-17
出版社：机械工业出版社
- 机械工业出版社
- 9787111794226
- 2-1
- 565343
- 平装
- 2025-12-17
- 519
内容简介
本书从实用的角度出发，整合Python语言基础、数据分析与可视化、机器学习常用算法等知识，从最基本的Python语言基础入手，到数据科学相关库、机器学习概述，再到机器学习的回归、分类、聚类、降维和集成学习算法，最后介绍神经网络及算法评估和验证，突出知识的实用性和可操作性。
本书力求以浅显的语言讲解复杂的知识，以直观的案例辅助读者理解，并以图表形式展示代码和运行结果，配合习题巩固读者对知识点的掌握。
本书适合作为高等院校人工智能、数据科学与大数据技术、计算机类专业本科生的机器学习相关课程教材，也可作为数据科学相关领域工程技术人员的参考书，还可供不具备Python语言基础的机器学习爱好者从零开始学习。
本书力求以浅显的语言讲解复杂的知识，以直观的案例辅助读者理解，并以图表形式展示代码和运行结果，配合习题巩固读者对知识点的掌握。
本书适合作为高等院校人工智能、数据科学与大数据技术、计算机类专业本科生的机器学习相关课程教材，也可作为数据科学相关领域工程技术人员的参考书，还可供不具备Python语言基础的机器学习爱好者从零开始学习。
目录
前言
第1章Python语言基础
11Python概述
111Python简介
112Python开发环境搭建
113Python程序基本编写方法
12变量和简单数据类型
121标识符、常量和变量
122基本数据类型
123运算符和表达式
13程序结构
131顺序结构
132分支结构
133循环结构
14案例——人机对话猜数字
15延伸阅读——开源编程语言与开发者协作
16习题
第2章基础数据结构
21列表
211列表基本操作
212列表相关函数
213列表选取
22元组
221元组基本操作
222元组和列表异同与转换
23字典
231字典基本操作
232遍历字典
233字典与列表的嵌套
24案例——约瑟夫环
25延伸阅读——重要软件国产化
26习题
第3章函数与模块
31函数的定义与调用
311函数的定义
312函数的调用
32函数参数与返回值
321函数参数
322函数返回值
33两类特殊函数
331匿名函数
332递归函数
34常用内置函数
341字符串处理函数
342高级函数
35模块与包
351模块与包的导入
352常用模块
36案例——拼单词游戏
37延伸阅读——软件安全与职业道德
38习题
第4章数据科学库
41NumPy库
411安装NumPy库
412数据的获取
413数组创建与使用
414数据运算
42Matplotlib库
421安装Matplotlib库
422数据可视化基本流程
423设置绘图属性
424绘制常用图表
425绘制高级图表
43Pandas库
431安装Pandas库
432Pandas数据结构
433Pandas常用函数
44案例——鸢尾花数据分析
45延伸阅读——维护者的努力和奉献
46习题
第5章机器学习概述
51机器学习简介
511机器学习定义
512机器学习发展
513机器学习应用领域
52机器学习基本理论
521基本术语
522机器学习算法
523机器学习一般流程
53机器学习库
531安装Scikit-learn库
532数据的加载
533模型训练和预测
534模型的评估
535模型的保存与使用
54延伸阅读——机器学习在国产芯片上的应用
55习题
第6章回归分析
61回归分析原理
62多元线性回归
621算法原理
622实现及参数
63正则化回归分析
631岭回归
632Lasso回归
633ElasticNet回归
64案例——不同回归算法的分析对比
65延伸阅读——云计算与机器学习
66习题
第7章分类算法
71k近邻算法
711算法原理
712实现及参数
713k近邻回归
72逻辑回归
721算法原理
722实现及参数
73朴素贝叶斯
731相关概念
732算法原理
733实现及参数
74决策树
741算法原理
742最优特征选择函数
743实现及参数
75分类与回归树
751算法原理
752实现及参数
76支持向量机
761算法原理
762核函数
763实现及参数
77案例——多分类器分类数据
78延伸阅读——机器学习在智能驾驶中的应用
79习题
第8章聚类算法
81聚类的不同思想
82k均值
821算法原理
822实现及参数
83DBSCAN
831算法原理
832实现及参数
84Agglomerative聚类
841算法原理
842实现及参数
85案例——聚类不同分布形状的数据
86延伸阅读——聚类算法在少数民族服饰色彩分析中的应用
87习题
第9章数据降维
91主成分分析
911算法原理
912实现及参数
92线性判别分析
921算法原理
922实现及参数
93稀疏编码
931算法原理
932实现及参数
94案例——高光谱图像降维
95延伸阅读——数据降维技术在地震属性分析中的应用
96习题
第10章集成学习
101集成学习理论
102随机森林
1021算法原理
1022实现及参数
103投票法
104提升法
105延伸阅读——国产C919飞机中的机器学习
106习题
第11章神经网络
111神经元与感知机
1111神经元
1112单层感知机
1113感知机的实现及参数
112前馈神经网络（多层感知机）
1121算法原理
1122实现及参数
113深度神经网络
1131卷积神经网络
1132循环神经网络（RNN）
1133自编码器
1134深度学习新技术
114案例——降雨量预测
115延伸阅读——神经网络在中国的应用与发展
116习题
第12章算法评估与验证
121数据集划分
122距离度量方法
123分类有效性指标
124回归有效性指标
125聚类有效性指标
126参数调优
127延伸阅读——机器学习算法评估与验证
128习题
第13章综合案例——医学图像分割
131数据探索
1311数据集选取
1312数据可视化
132数据预处理
133模型选取与训练
1331模型选取
1332模型训练
134算法对比
135延伸阅读——智能医疗技术在我国的应用
136习题
参考文献
第1章Python语言基础
11Python概述
111Python简介
112Python开发环境搭建
113Python程序基本编写方法
12变量和简单数据类型
121标识符、常量和变量
122基本数据类型
123运算符和表达式
13程序结构
131顺序结构
132分支结构
133循环结构
14案例——人机对话猜数字
15延伸阅读——开源编程语言与开发者协作
16习题
第2章基础数据结构
21列表
211列表基本操作
212列表相关函数
213列表选取
22元组
221元组基本操作
222元组和列表异同与转换
23字典
231字典基本操作
232遍历字典
233字典与列表的嵌套
24案例——约瑟夫环
25延伸阅读——重要软件国产化
26习题
第3章函数与模块
31函数的定义与调用
311函数的定义
312函数的调用
32函数参数与返回值
321函数参数
322函数返回值
33两类特殊函数
331匿名函数
332递归函数
34常用内置函数
341字符串处理函数
342高级函数
35模块与包
351模块与包的导入
352常用模块
36案例——拼单词游戏
37延伸阅读——软件安全与职业道德
38习题
第4章数据科学库
41NumPy库
411安装NumPy库
412数据的获取
413数组创建与使用
414数据运算
42Matplotlib库
421安装Matplotlib库
422数据可视化基本流程
423设置绘图属性
424绘制常用图表
425绘制高级图表
43Pandas库
431安装Pandas库
432Pandas数据结构
433Pandas常用函数
44案例——鸢尾花数据分析
45延伸阅读——维护者的努力和奉献
46习题
第5章机器学习概述
51机器学习简介
511机器学习定义
512机器学习发展
513机器学习应用领域
52机器学习基本理论
521基本术语
522机器学习算法
523机器学习一般流程
53机器学习库
531安装Scikit-learn库
532数据的加载
533模型训练和预测
534模型的评估
535模型的保存与使用
54延伸阅读——机器学习在国产芯片上的应用
55习题
第6章回归分析
61回归分析原理
62多元线性回归
621算法原理
622实现及参数
63正则化回归分析
631岭回归
632Lasso回归
633ElasticNet回归
64案例——不同回归算法的分析对比
65延伸阅读——云计算与机器学习
66习题
第7章分类算法
71k近邻算法
711算法原理
712实现及参数
713k近邻回归
72逻辑回归
721算法原理
722实现及参数
73朴素贝叶斯
731相关概念
732算法原理
733实现及参数
74决策树
741算法原理
742最优特征选择函数
743实现及参数
75分类与回归树
751算法原理
752实现及参数
76支持向量机
761算法原理
762核函数
763实现及参数
77案例——多分类器分类数据
78延伸阅读——机器学习在智能驾驶中的应用
79习题
第8章聚类算法
81聚类的不同思想
82k均值
821算法原理
822实现及参数
83DBSCAN
831算法原理
832实现及参数
84Agglomerative聚类
841算法原理
842实现及参数
85案例——聚类不同分布形状的数据
86延伸阅读——聚类算法在少数民族服饰色彩分析中的应用
87习题
第9章数据降维
91主成分分析
911算法原理
912实现及参数
92线性判别分析
921算法原理
922实现及参数
93稀疏编码
931算法原理
932实现及参数
94案例——高光谱图像降维
95延伸阅读——数据降维技术在地震属性分析中的应用
96习题
第10章集成学习
101集成学习理论
102随机森林
1021算法原理
1022实现及参数
103投票法
104提升法
105延伸阅读——国产C919飞机中的机器学习
106习题
第11章神经网络
111神经元与感知机
1111神经元
1112单层感知机
1113感知机的实现及参数
112前馈神经网络（多层感知机）
1121算法原理
1122实现及参数
113深度神经网络
1131卷积神经网络
1132循环神经网络（RNN）
1133自编码器
1134深度学习新技术
114案例——降雨量预测
115延伸阅读——神经网络在中国的应用与发展
116习题
第12章算法评估与验证
121数据集划分
122距离度量方法
123分类有效性指标
124回归有效性指标
125聚类有效性指标
126参数调优
127延伸阅读——机器学习算法评估与验证
128习题
第13章综合案例——医学图像分割
131数据探索
1311数据集选取
1312数据可视化
132数据预处理
133模型选取与训练
1331模型选取
1332模型训练
134算法对比
135延伸阅读——智能医疗技术在我国的应用
136习题
参考文献
