Python工程应用——机器学习方法与实践

　　本书通过对大量实际案例的分析以及部分相关理论的适当解读，帮助读者使用Python语言进行程序设计，同时能够利用Python语言实现基础的机器学习算法。
　　全书包含三大部分：机器学习概念和编程基础、数据预处理基础、机器学习方法及案例，每一部分都结合大量实际例程进行解读。本书共13章，具体内容包括机器学习概述、Python机器学习基础库、数据预处理、K近邻算法、朴素贝叶斯、决策树、随机森林、AdaBoost模型、支持向量机、人工神经网络、K均值聚类、财政收入影响因素分析及预测案例、偷税漏税行为识别分析案例。书末给出两个附录，分别为Python的安装与环境配置和Python开发工具的安装。
　　本书适合作为电子信息类专业的教材，希望学习机器学习技术的读者均可使用。学习本书需要具备Python程序设计基础知识。
　　★本书免费提供书中程序代码和部分数据集、PPT及部分案例讲解视频、Py…
　查看完整　　

　　本书通过对大量实际案例的分析以及部分相关理论的适当解读，帮助读者使用Python语言进行程序设计，同时能够利用Python语言实现基础的机器学习算法。
　　全书包含三大部分：机器学习概念和编程基础、数据预处理基础、机器学习方法及案例，每一部分都结合大量实际例程进行解读。本书共13章，具体内容包括机器学习概述、Python机器学习基础库、数据预处理、K近邻算法、朴素贝叶斯、决策树、随机森林、AdaBoost模型、支持向量机、人工神经网络、K均值聚类、财政收入影响因素分析及预测案例、偷税漏税行为识别分析案例。书末给出两个附录，分别为Python的安装与环境配置和Python开发工具的安装。
　　本书适合作为电子信息类专业的教材，希望学习机器学习技术的读者均可使用。学习本书需要具备Python程序设计基础知识。
　　★本书免费提供书中程序代码和部分数据集、PPT及部分案例讲解视频、Python的安装与环境配置、Python开发工具的安装等资源，需要的读者可以扫描扉页二维码或从出版社网站查看。
^ 收 起