人工智能實踐教程

第一篇  Python語言
第1章  Python簡介 3
1.1  Python介紹 4
1.2  Python的環(huán)境配置 4
1.2.1  Python的安裝 4
1.2.2  IPython的安裝 7
1.2.3  PyCharm的安裝 10
1.2.4  Anaconda的安裝 16
1.3  本章小結 22
1.4  本章習題 22
第2章  Python人工智能之路——基礎 23
2.1  書寫格式和基本規(guī)則 24
2.2  數(shù)據(jù)類型 24
2.2.1  基本數(shù)據(jù)類型 24
2.2.2  特征數(shù)據(jù)類型 27
2.3  基本運算和表達式 31
2.3.1  變量 31
2.3.2  算術運算 31
2.4  基本流程控制 32
2.4.1  順序控制 32
2.4.2  條件控制（選擇控制） 32
2.4.3  循環(huán)控制 35
2.4.4  循環(huán)控制語句 37
2.5  函數(shù) 39
2.5.1  Python函數(shù) 39
2.5.2  參數(shù) 41
2.5.3  匿名函數(shù) 43
2.6  本章小結 45
2.7  本章習題 45
第3章  Python人工智能之路——進階 47
3.1  正則表達式 48
3.1.1  基本語法和使用 48
3.1.2  貪婪匹配和非貪婪匹配 52
3.2  re模塊的內置函數(shù) 53
3.2.1  匹配與搜索 53
3.2.2  切分與分組 57
3.3  圖形繪制 61
3.3.1  Tkinter庫的Canvas圖形繪制方法 61
3.3.2  Turtle庫的圖形繪制方法 64
3.3.3  Matplotlib庫的圖形繪制方法 67
3.4  文件讀/寫 70
3.4.1  文本文件和二進制文件的區(qū)別 70
3.4.2  文件的打開和關閉 71
3.4.3  文件的讀取、寫入、追加 72
3.5  案例應用 73
3.5.1  猜數(shù)字 73
3.5.2  CSV文件讀/寫 73
3.5.3  Web服務器的構建 75
3.6  本章小結 77
3.7  本章習題 77
第4章  Python人工智能之路——第三方庫 78
4.1  第三方庫的安裝和使用 79
4.1.1  第三方庫的安裝 79
4.1.2  第三方庫的使用 81
4.2  NumPy庫 81
4.2.1  NumPy庫簡介 81
4.2.2  NumPy庫的應用 82
4.3  Pandas庫 87
4.3.1  Pandas庫簡介 87
4.3.2  Series庫簡介 87
4.3.3  DataFrame庫簡介 93
4.3.4  數(shù)據(jù)分析和可視化 106
4.4  Sklearn庫 108
4.4.1  Sklearn庫簡介 108
4.4.2  Sklearn庫的應用 109
4.5  Keras庫 113
4.5.1  Keras庫簡介 113
4.5.2  Keras庫的應用 116
4.6  TensorFlow庫 117
4.6.1  TensorFlow庫簡介 117
4.6.2  TensorFlow庫的應用 118
4.7  本章小結 120
4.8  本章習題 121
第二篇  人工智能實戰(zhàn)基礎
第5章  數(shù)據(jù)預處理技術和方法 125
5.1  數(shù)據(jù)預處理概述 126
5.2  缺失值處理 126
5.3  特征編碼 131
5.4  數(shù)據(jù)標準化和正則化 132
5.4.1  數(shù)據(jù)標準化 132
5.4.2  數(shù)據(jù)正則化 135
5.5  特征選擇 135
5.5.1  過濾式特征選擇 136
5.5.2  包裹式特征選擇 138
5.5.3  嵌入式特征選擇 139
5.6  稀疏表示和字典學習 140
5.7  主成分分析 141
5.8  本章小結 142
5.9  本章習題 142
第6章  KNN算法 144
6.1  KNN算法概述 145
6.1.1  KNN算法的基本原理 145
6.1.2  KNN算法的重要參數(shù) 146
6.1.3  KNN算法的特點 148
6.2  基于KNN算法的手寫字識別 148
6.2.1  項目背景 148
6.2.2  項目實戰(zhàn) 149
6.3  基于KNN算法的網(wǎng)站約會配對 152
6.3.1  項目背景 152
6.3.2  項目實戰(zhàn) 153
6.4  基于KNN算法的乳腺癌診斷 156
6.4.1  項目背景 156
6.4.2  項目實戰(zhàn) 157
6.5  本章小結 163
6.6  本章習題 163
第7章  回歸分析應用 164
7.1  回歸分析概述 165
7.1.1  回歸分析的定義 165
7.1.2  線性回歸 166
7.1.3  邏輯回歸 168
7.1.4  多項式回歸 170
7.1.5  回歸模型的評價指標 171
7.2  基于線性回歸預測鮑魚年齡 173
7.2.1  項目背景 173
7.2.2  項目實戰(zhàn) 174
7.3  基于邏輯回歸的病馬死亡率預測 178
7.3.1  項目背景 178
7.3.2  項目實戰(zhàn) 178
7.4  多項式回歸應用案例 180
7.4.1  項目背景 180
7.4.2  項目實戰(zhàn) 181
7.5  本章小結 183
7.6  本章習題 184
第8章  其他機器學習技術 185
8.1  Apriori算法應用 186
8.1.1  Apriori關聯(lián)分析概述 186
8.1.2  Apriori算法的原理和流程 188
8.1.3  Apriori算法實現(xiàn) 190
8.1.4  Apriori算法應用案例 195
8.2  決策樹算法應用 196
8.2.1  決策樹算法的基本概念 196
8.2.2  決策樹構造算法 198
8.2.3  決策樹應用案例 200
8.3  AdaBoost分類器應用 202
8.3.1  AdaBoost分類器概述 202
8.3.2  應用案例——泰坦尼克號生存率預測 204
8.4  網(wǎng)格搜索優(yōu)化模型參數(shù) 208
8.4.1  網(wǎng)格搜索概述 208
8.4.2  網(wǎng)格搜索應用案例 211
8.5  本章小結 213
8.6  本章習題 214
第三篇  人工智能實戰(zhàn)進階
第9章  自然語言處理 217
9.1  自然語言處理簡介 218
9.2  Python中文分詞 219
9.2.1  項目背景 219
9.2.2  項目實戰(zhàn) 229
9.3  TF-IDF算法解析 232
9.3.1  項目背景 232
9.3.2  項目實戰(zhàn) 234
9.4  意圖識別 236
9.4.1  項目背景 236
9.4.2  項目實戰(zhàn) 23
9.5.1  項目背景 241
9.5.2  項目實戰(zhàn) 246
9.6  利用jieba庫和Tkinter庫進行信息檢索 248
9.6.1  項目背景 248
9.6.2  項目實戰(zhàn) 248
9.7  NLP詞向量計算 250
9.7.1  項目背景 250
9.7.2  項目實戰(zhàn) 255
9.8  本章小結 262
9.9  本章習題 262
第10章  語音識別 265
10.1  語音識別簡介 266
10.2  Python+Keras實現(xiàn)IVA語音識別 267
10.2.1  項目背景 267
10.2.2  項目實戰(zhàn) 267
10.3  基于百度智能云和圖靈機器人的
語音交互 274
10.3.1  項目背景 274
10.3.2  項目實戰(zhàn) 274
10.4  利用pyttsx3庫合成文字語音 280
10.4.1  項目背景 280
10.4.2  項目實戰(zhàn) 282
10.5  本章小結 284
10.6  本章習題 284
第11章  圖像識別 286
11.1  圖像識別簡介 287
11.2  基于卷積神經(jīng)網(wǎng)絡的圖像風格遷移 287
11.2.1  項目背景 287
11.2.2  項目實戰(zhàn) 291
11.3  人臉識別技術 297
11.3.1  項目背景 297
11.3.2  項目實戰(zhàn) 298
11.4  本章小結 303
11.5  本章習題 303
第12章  神經(jīng)網(wǎng)絡與深度學習 304
12.1  神經(jīng)網(wǎng)絡與深度學習簡介 305
12.1.1  神經(jīng)網(wǎng)絡 305
12.1.2  深度學習 305
12.2  人工神經(jīng)網(wǎng)絡模型應用—鳶尾花分類 311
12.2.1  項目背景 311
12.2.2  項目實戰(zhàn) 311
12.3  卷積神經(jīng)網(wǎng)絡模型 316
12.3.1  項目背景 316
12.3.2  項目實戰(zhàn) 317
12.4  本章小結 327
12.5  本章習題 327
參考文獻 328