青少年Python編程：從零基礎到機器學習實戰

本書是一本Python編程和機器學習零基礎入門書。
書的內容由Python基礎語法和機器學習兩部分組成，力求前面所學為後面所用。
前半部分，著重介紹了Python語言的輸入輸出、條件分支、循環、
列表、函數、類等，力求“手把手”地幫助讀者攻克初學編程的難關，邊學邊練，使抽象的內容得以在實踐中明晰。
後半部分，是基於Python語言的機器學習入門，先介紹了機器學習領域最常用的工具庫NumPy和matplotlib，
繼而以sklearn為依托講解了分類、回歸、聚類三個經典的機器學習應用場景。
經過前面層層鋪墊，最後帶領讀者完成一個識別手勢的項目，體驗機器學習的全過程。
本書適合Python編程學習與應用的青少年愛好者閱讀，也可作為中小學生Python相關課程的教材。
希望讀者藉由本書進入Python程序設計和人工智能世界的大門，並逐步探尋更深的領域。

王鍇男
男，出生於1987年，北京工業大學軟件工程管理專業學士，北京理工大學軟件工程專業碩士。
擁有十餘年互聯網開發相關經驗，曾創辦少兒STEAM教育機構趣維度。
從事科技教育工作期間，帶領很多學員得到藍橋杯、各類科技競賽優秀名次。
目前是網易有道小圖靈項目組信息學主講教師。

第1章進入Python程序世界：搭建編程環境
1.1 Python語言和機器學習的故事001
1.2 一步步安裝Python實驗室Anaconda002
1.3 小結009

第2章程序的嘴巴：輸出、變量
2.1 開始奇妙旅程：Hello, World!010
2.2 打印古詩：格式化輸出011
2.3 電腦裡的東西保存在哪：初探變量014
2.4 別把不同的調料倒在一個瓶子裡：區分數據類型015
2.5 小結018

第3章計算機的耳朵：輸入語句
3.1 來自電腦的第一聲問候：input( )語句019
3.2 超級變變變：數據類型的轉換020
3.3 倒背如流：輸入輸出小遊戲021
3.4 小結023

第4章對錯要分辨：if語句
4.1 if語句和判定條件024
4.2 關係運算符025
4.3 邏輯運算符027
4.4 if的另一半else030
4.5 elif和多分支031
4.6 if語句的嵌套使用033
4.7 性格測試器034
4.7.1 準備一些問題和答案034
4.7.2 準備幾段性格特徵描述035
4.7.3 現在萬事俱備，還需一點小技巧036
4.7.4 輸出結果，看，多準！037
4.8 小結039

第5章if語句的升級版：while語句
5.1 循環就是不斷地重複：使用while語句040
5.2 不要“死循環”，循環計數器變量登場041
5.3 在循環中做判斷：while嵌套if語句043
5.4 猜數字小遊戲043
5.5 小結046

第6章循環次數知多少：for循環
6.1 while循環換新衣：使用for循環047
6.2 打印幾何圖形：for循環嵌套048
6.3 讓電腦偷個懶：break和continue語句051
6.4 小結054

第7章新的櫃子：列表和元組
7.1 定義列表(list)和元組(tuple)056
7.2 初始化列表(list) 和元組(tuple)056
7.3 嘗試為列表(list) 和元組(tuple) 添加元素057
7.4 嘗試訪問和修改列表(list) 與元組(tuple)中的元素058
7.5 遍歷列表(list) 和元組(tuple)060
7.6 完成實例：計算全班同學的平均身高061
7.7 列表(list) 的切片操作062
7.8 列表(list) 的拼接操作063
7.9 小結064

第8章查起來飛快的字典和集合
8.1 字典065
8.1.1 創建空菜單：定義一個空字典065
8.1.2 寫入第一道菜：新建鍵值對066
8.1.3 查找某一個菜品的價格：查詢鍵對應的值067
8.1.4 檢查菜單中是否有某個菜品：查詢字典中某個鍵是否存在069
8.1.5 修改菜品單價：修改鍵值對070
8.1.6 刪除菜品：刪除鍵值對071
8.1.7 增加菜品的信息：字典的嵌套使用071
8.2 集合072
8.2.1 初始化一個集合073
8.2.2 集合的增刪改查操作073
8.2.3 遍歷集合075
8.2.4 兩個集合的交集、並集、差集075
8.3 小結078

第9章把變量和指令統統打個包：函數和類
9.1 定義函數079
9.2 傳遞參數082
9.2.1 位置實參083
9.2.2 關鍵字實參084
9.2.3 默認參數084
9.3 有返回值的函數086
9.4 函數的遞歸調用087
9.5 什麼是類089
9.6 類和對象：pop是隻狗089
9.7 在類中添加方法：pop的新技能092
9.8 類的繼承：pop是只哈士奇，會拆家的那種093
9.9 小結094

第10章走出新手村：開啟機器學習的副本
10.1 簡單理解機器學習095
10.2 機器學習中的問題分類097
10.3 機器學習的強力計算器：NumPy099
10.3.1 認識NumPy099
10.3.2 初始化向量099
10.3.3 向量元素的訪問和修改102
10.4 初始化矩陣102
10.5 查看和修改矩陣的形狀104
10.6 矩陣間四則運算106
10.7 切片107
10.8 小結109

第11章數據可視化：使用matplotlib繪製圖形
11.1 繪製二維圖形110
11.1.1 基本使用110
11.1.2 多張圖同畫布111
11.1.3 繪製散點圖113
11.1.4 裝飾圖標：增加圖例、圖示114
11.1.5 並列顯示多張圖表116
11.2 繪製三維圖形118
11.3 小結120

第12章花花各不同：教會電腦做分類
12.1 認識scikit-learn程序庫121
12.1.1 iris鳶尾花數據集122
12.1.2 創建分類器，區分三種鳶尾花124
12.2 “泛化”與“過擬合”126
12.3 評價分類器的性能：準確率、查准率、查全率、F值127
12.4 看看鳶尾花分類器的性能128
12.5 分類器知多少130
12.5.1 支持向量機（SVM）130
12.5.2 決策樹131
12.5.3 隨機森林（Random Forest）133
12.6 小結134

第13章預測未來：回歸問題
13.1 什麼是回歸問題135
13.2 回歸問題的分類136
13.3 回歸問題求解的利器：最小二乘法136
13.4 嘗試一元回歸137
13.5 回歸問題的評價—決定係數141
13.6 嘗試多元回歸141
13.7 非線性回歸問題的解決：其他回歸模型144
13.7.1 支持向量機146
13.7.2 隨機森林147
13.7.3 K鄰近算法148
13.8 小結149

第14章龍找龍，鳳找鳳，好漢對英雄：聚類
14.1 聚類和分類不同150
14.2 簇間距離的計算151
14.2.1 歐氏距離151
14.2.2 曼哈頓距離152
14.2.3 明科夫斯基距離153
14.3 經典聚類算法：k均值算法153
14.3.1 k均值算法的步驟153
14.3.2 在wine數據集上使用k均值算法154
14.4 對聚類算法的評估157
14.5 其他聚類算法158
14.5.1 層次聚類158
14.5.2 非層次聚類160
14.6 總結162

第15章實踐篇：分辨石頭剪刀布
15.1 制訂目標163
15.2 製作數據集163
15.3 第一次訓練170
15.4 加強泛化能力—增加數據人數171
15.5 引入HOG，提取圖像特徵173
15.5.1 HOG特徵提取過程173
15.5.2 嘗試用圖片的HOG特徵進行學習和分類測試174
15.5.3 梯度是什麼？177
15.6 參數調整180
15.7 總結183