零起點Python機器學習快速入門（簡體書）

本書采用獨創的黑箱模式，MBA案例教學機制，結合一線實戰案例，介紹Sklearn人工智能模塊庫和常用的機器學習算法。書中配備大量圖表說明，沒有枯燥的數學公式，普通讀者，只要懂Word、Excel，就能夠輕松閱讀全書，并學習使用書中的知識，分析大數據。本書具有以下特色：獨創的黑箱教學模式，全書無任何抽象理論和深奧的數學公式。首次系統化融合Sklearn人工智能軟件和Pandas數據分析軟件，不用再直接使用復雜的Numpy數學矩陣模塊。系統化的Sklearn函數和API中文文檔，可作為案頭工具書隨時查閱。基于Sklearn Pandas模式，無須任何理論基礎，全程采用MBA案例模式，懂Excel就可看懂。

何海群，網名：字王，CHRD前海智庫CTO，《中華大字庫》發明人，出版書籍20余部，在人工智能、數據分析等方面具有20年一線專業經驗；zwPython開發平臺、zwQuant量化軟件設計師，中國“Python創客”項目和“Python產業聯盟”發起人，國內Python量化課程：《Python量化實盤·魔鬼訓練營》創始人，極寬量化開源團隊的創始人。1990年，發明國內個VR數據手套并獲得專利授權，被業界稱為“中國VR之父”；1992年，論文《人工智能與中文字型設計》入選《廣東青年科學家文集》，現已成為中文字庫行業三大基礎建模理論之一；1997年，出版國內首部網絡經濟專著《網絡商戰》；2008年，在北京聯合創辦國內4A級網絡公關公司，服務過200余家國際五百強企業，被公關協會譽為：中國網絡公關事業的開創者與啟蒙者；2012年，發布國內自主研發的智能中文字庫設計軟件《x2ttf涂鴉造字》，全功能全免費公益軟件；2016年，推出國內首套純python開源量化軟件：zwQuant，以及國內Tick級別開源金融大數據項目：zwDat金融數據包。研究成果有：“小數據”理論，快數據模型，黑天鵝算法，GPU超算工作站、MTRD多節點超算集群算法、“1 N”網絡傳播模型、人工智能“足彩圖靈法則”等。

不需要任何編程、交易經驗，也不需要具備超強的數據分析能力，只要會使用Excel就可以輕松學會本書講解的知識點。

第 1 章 從阿爾法狗開始說起1
1.1 阿爾法狗的前世今生.......1
1.2 機器學習是什么.....2
1.3 機器學習大史記.....3
1.4 機器學習經典案例......... 11
第 2 章 開發環境......13
2.1 數據分析 Python.....13
2.2 用戶運行平臺.......18
2.3 程序目錄結構.......19
2.4 Spyder 編輯器界面設置.20
2.5 Python 命令行模式.........26
2.6 Notebook 模式......27
2.7 模塊庫控制面板...29
2.8 使用 pip 更新模塊庫......33
第 3 章 Python 入門案例....39
3.1 案例 3-1：次編程“hello,ziwang” ....39
3.2 案例 3-2：增強版“hello,zwiang” ..42
3.3 案例 3-3：列舉系統模塊庫清單.......44
3.4 案例 3-4：常用繪圖風格.........45
3.5 案例 3-5：Pandas 常用繪圖風格.......47
3.6 案例 3-6：常用顏色表 cors.....49
3.7 案例源碼.....50
第 4 章 Python 基本語法....58
4.1 數據類型.....58
案例 4-1：基本運算.......59
4.2 字符串.........61
案例 4-2：字符串入門...61
案例 4-3：字符串常用方法.....63
4.3 List 列表......64
案例 4-4：列表操作.......65
4.4 Tuple 元組...66
案例 4-5：元組操作.......67
4.5 Dictionary 字典.....68
案例 4-6：字典操作.......68
4.6 數據類型轉換.......70
案例 4-7：控制語句.......71
案例 4-8：函數定義.......73
4.7 案例源碼.....75
第 5 章 Python 人工智能入門與實踐......85
5.1 從忘卻開始.85
5.2 Iris 經典愛麗絲.....89
案例 5-1：Iris 愛麗絲 ....90
案例 5-2：愛麗絲進化與文本矢量化.........92
5.3 AI 操作流程95
5.4 數據切割函數.......98
案例 5-3：Iris 愛麗絲分解 ......99
案例 5-4：線性回歸算法.......103
5.5 案例源碼...109
第 6 章 機器學習經典算法案例（上） . 116
6.1 線性回歸... 116
6.2 邏輯回歸算法.....124
案例 6-1：邏輯回歸算法.......125
6.3 樸素貝葉斯算法.127
案例 6-2：貝葉斯算法.129
6.4 KNN 近鄰算法 ...130
案例 6-3：KNN 近鄰算法.....133
6.5 隨機森林算法.....135
案例 6-4：隨機森林算法.......139
6.6 案例源碼...140
第 7 章 機器學習經典算法案例（下） .149
7.1 決策樹算法.........149
案例 7-1：決策樹算法.151
7.2 GBDT 迭代決策樹算法.........153
案例 7-2：GBDT 迭代決策樹算法.154
7.3 SVM 向量機 .......156
案例 7-3：SVM 向量機算法.157
7.4 SVM-cross 向量機交叉算法..159
案例 7-4：SVM-cross 向量機交叉算法....160
7.5 神經網絡算法.....161
案例 7-5：MLP 神經網絡算法........165
案例 7-6：MLP_reg 神經網絡回歸算法...168
7.6 案例源碼...170
第 8 章 機器學習組合算法 .........183
8.1 CCPP 數據集......183
案例 8-1：CCPP 數據集........184
案例 8-2：CCPP 數據切割....186
案例 8-3：讀取 CCPP 數據集.........189
8.2 機器學習統一接口函數.........192
案例 8-4：機器學習統一接口.........193
案例 8-5：批量調用機器學習算法.201
案例 8-6：一體化調用.205
8.3 模型預制與保存.208
案例 8-7：儲存算法模型.......210
案例 8-8：批量儲存算法模型.........213
案例 8-9：批量加載算法模型.........215
案例 8-10：機器學習組合算法.......219
8.4 案例源碼...224
附錄 A Sklearn 常用模塊和函數.242
附錄 B 極寬量化系統模塊圖......266