Python 3破冰人工智能：從入門到實(shí)戰(zhàn)

第 1章　從數(shù)學(xué)建模到人工智能 1
1．1　數(shù)學(xué)建模　1
1．1．1　數(shù)學(xué)建模與人工智能　1
1．1．2　數(shù)學(xué)建模中的常見問題　4
1．2　人工智能下的數(shù)學(xué)　12
1．2．1　統(tǒng)計(jì)量　12
1．2．2　矩陣概念及運(yùn)算　13
1．2．3　概率論與數(shù)理統(tǒng)計(jì)　16
1．2．4　高等數(shù)學(xué)——導(dǎo)數(shù)、微分、不定積分、定積分　19
第　2章 Python快速入門　24
2．1　安裝Python　24
2．1．1　Python安裝步驟　24
2．1．2　IDE的選擇　27
2．2　Python基本操作　28
2．2．1　第 一個(gè)小程序　28
2．2．2　注釋與格式化輸出　28
2．2．3　列表、元組、字典　34
2．2．4　條件語句與循環(huán)語句　37
2．2．5　break、continue、pass　40
2．3　Python高級(jí)操作　41
2．3．1　lambda　41
2．3．2　map　42
2．3．3　filter　43
第3章　Python科學(xué)計(jì)算庫(kù)NumPy　45
3．1　NumPy簡(jiǎn)介與安裝　45
3．1．1　NumPy簡(jiǎn)介　45
3．1．2　NumPy安裝　45
3．2　基本操作　46
3．2．1　初識(shí)NumPy　46
3．2．2　NumPy數(shù)組類型　47
3．2．3　NumPy創(chuàng)建數(shù)組　49
3．2．4　索引與切片　56
3．2．5　矩陣合并與分割　60
3．2．6　矩陣運(yùn)算與線性代數(shù)　62
3．2．7　NumPy的廣播機(jī)制　69
3．2．8　NumPy統(tǒng)計(jì)函數(shù)　71
3．2．9　NumPy排序、搜索　75
3．2．10　NumPy數(shù)據(jù)的保存　79
第4章　常用科學(xué)計(jì)算模塊快速入門　80
4．1　Pandas科學(xué)計(jì)算庫(kù)　80
4．1．1　初識(shí)Pandas　80
4．1．2　Pandas基本操作　82
4．2　Matplotlib可視化圖庫(kù)　94
4．2．1　初識(shí)Matplotlib　94
4．2．2　Matplotlib基本操作　96
4．2．3　Matplotlib繪圖案例　98
4．3　SciPy科學(xué)計(jì)算庫(kù)　100
4．3．1　初識(shí)SciPy　100
4．3．2　SciPy基本操作　101
4．3．3　SciPy圖像處理案例　103
第5章　Python網(wǎng)絡(luò)爬蟲　106
5．1　爬蟲基礎(chǔ)　106
5．1．1　初識(shí)爬蟲　106
5．1．2　網(wǎng)絡(luò)爬蟲的算法　107
5．2　爬蟲入門實(shí)戰(zhàn)　107
5．2．1　調(diào)用API　107
5．2．2　爬蟲實(shí)戰(zhàn)　112
5．3　爬蟲進(jìn)階—高效率爬蟲　113
5．3．1　多進(jìn)程　113
5．3．2　多線程　114
5．3．3　協(xié)程　115
5．3．4　小結(jié)　116
第6章　Python數(shù)據(jù)存儲(chǔ)　117
6．1　關(guān)系型數(shù)據(jù)庫(kù)MySQL　117
6．1．1　初識(shí)MySQL　117
6．1．2　Python操作MySQL　118
6．2　NoSQL之MongoDB　120
6．2．1　初識(shí)NoSQL　120
6．2．2　Python操作MongoDB　121
6．3　本章小結(jié)　123
6．3．1　數(shù)據(jù)庫(kù)基本理論　123
6．3．2　數(shù)據(jù)庫(kù)結(jié)合　124
6．3．3　結(jié)束語　125
第7章　Python數(shù)據(jù)分析　126
7．1　數(shù)據(jù)獲取　126
7．1．1　從鍵盤獲取數(shù)據(jù)　126
7．1．2　文件的讀取與寫入　127
7．1．3　Pandas讀寫操作　129
7．2　數(shù)據(jù)分析案例　130
7．2．1　普查數(shù)據(jù)統(tǒng)計(jì)分析案例　130
7．2．2　小結(jié)　139
第8章　自然語言處理　140
8．1　Jieba分詞基礎(chǔ)　140
8．1．1　Jieba中文分詞　140
8．1．2　Jieba分詞的3種模式　141
8．1．3　標(biāo)注詞性與添加定義詞　142
8．2　關(guān)鍵詞提取　144
8．2．1　TF-IDF關(guān)鍵詞提取　145
8．2．2　TextRank關(guān)鍵詞提取　147
8．3　word2vec介紹　150
8．3．1　word2vec基礎(chǔ)原理簡(jiǎn)介　150
8．3．2　word2vec訓(xùn)練模型　153
8．3．3　基于gensim的word2vec實(shí)戰(zhàn)　154
第9章　從回歸分析到算法基礎(chǔ)　160
9．1　回歸分析簡(jiǎn)介　160
9．1．1　“回歸”一詞的來源　160
9．1．2　回歸與相關(guān)　161
9．1．3　回歸模型的劃分與應(yīng)用　161
9．2　線性回歸分析實(shí)戰(zhàn)　162
9．2．1　線性回歸的建立與求解　162
9．2．2　Python求解回歸模型案例　164
9．2．3　檢驗(yàn)、預(yù)測(cè)與控制　166
第　10章 從K-Means聚類看算法調(diào)參　171
10．1　K-Means基本概述　171
10．1．1　K-Means簡(jiǎn)介　171
10．1．2　目標(biāo)函數(shù)　171
10．1．3　算法流程　172
10．1．4　算法優(yōu)缺點(diǎn)分析　174
10．2　K-Means實(shí)戰(zhàn)　174
第　11章 從決策樹看算法升級(jí)　180
11．1　決策樹基本簡(jiǎn)介　180
11．2　經(jīng)典算法介紹　181
11．2．1　信息熵　181
11．2．2　信息增益　182
11．2．3　信息增益率184
11．2．4　基尼系數(shù)　185
11．2．5　小結(jié)　185
11．3　決策樹實(shí)戰(zhàn)　186
11．3．1　決策樹回歸　186
11．3．2　決策樹的分類　188
第　12章 從樸素貝葉斯看算法多變　193
12．1　樸素貝葉斯簡(jiǎn)介　193
12．1．1　認(rèn)識(shí)樸素貝葉斯　193
12．1．2　樸素貝葉斯分類的工作過程　194
12．1．3　樸素貝葉斯算法的優(yōu)缺點(diǎn)　195
12．2　3種樸素貝葉斯實(shí)戰(zhàn)　195
第　13章 從推薦系統(tǒng)看算法場(chǎng)景　200
13．1　推薦系統(tǒng)簡(jiǎn)介　200
13．1．1　推薦系統(tǒng)的發(fā)展　200
13．1．2　協(xié)同過濾　201
13．2　基于文本的推薦　208
13．2．1　標(biāo)簽與知識(shí)圖譜推薦案例　209
13．2．2　小結(jié)　217
第　14章 從TensorFlow開啟深度學(xué)習(xí)之旅　218
14．1　初識(shí)TensorFlow　218
14．1．1　什么是TensorFlow　218
14．1．2　安裝TensorFlow　219
14．1．3　TensorFlow基本概念與原理　219
14．2　TensorFlow數(shù)據(jù)結(jié)構(gòu)　221
14．2．1　階　221
14．2．2　形狀　221
14．2．3　數(shù)據(jù)類型　221
14．3　生成數(shù)據(jù)十二法　222
14．3．1　生成Tensor　222
14．3．2　生成序列　224
14．3．3　生成隨機(jī)數(shù)　225
14．4　TensorFlow實(shí)戰(zhàn)　225
參考文獻(xiàn)　230