機器學習算法與應用（Python版）

本書主要講解了機器學習算法的基礎知識，以及業界常用算法的應用。其中，項目1 介紹了機器學習的定義、類型、環境搭建以及開發步驟；項目2 介紹瞭如何進行數據預處理，包含如何對獲取的原始數據進行處理、數據集的劃分、數據的歸一化，以及如何使用主成分分析來提取數據的主要特徵等內容；其他8個項目主要介紹了目前主流的機器學習算法。每個項目均介紹了要講解的算法的原理、步驟、特點，再通過具體的案例對算法的原理知識展開詳細的講解，並將算法應用於實際的場景中，加深讀者對算法的理解。 　　本書可作為高等院校大數據技術、人工智能技術等相關專業的基礎教材，也適合對機器學習感興趣的讀者自學。

目 錄

C o n t e n t s

項目1　走進機器學習的世界 ……………………………………………………………… 1

任務1-1 瞭解機器學習應用場景 ………………………………………………………… 2

任務1-2 機器學習算法的分類方式 ……………………………………………………… 3

任務1-3 軟件庫與框架 …………………………………………………………………… 5

任務1-4 配置機器學習開發環境 ………………………………………………………… 7

任務1-5 瞭解機器學習步驟 ……………………………………………………………… 9

項目小結 ………………………………………………………………………………… 11

練習題 …………………………………………………………………………………… 11

項目2　數據預處理 …………………………………………………………………………12

任務2-1 數據劃分與歸一化 ………………………………………………………………13

任務2-2 重復值、缺損值和異常值處理 …………………………………………………16

任務2-3 實現PCA 圖像去噪 ……………………………………………………………24

項目小結 ………………………………………………………………………………… 28

練習題 …………………………………………………………………………………… 28

項目3　基於K-Means 算法的應用實踐 ……………………………………………………30

任務3-1 使用K-Means 算法實現聚類手寫圖像 ………………………………………31

任務3-2 實現身高、體重聚類 ……………………………………………………………38

任務3-3 使用K-Means 算法實現圖像壓縮 ……………………………………………42

項目小結 ………………………………………………………………………………… 44

練習題 …………………………………………………………………………………… 45

IV

機器學習算法與應用（Python 版）

項目4　基於KNN 算法的應用實踐 …………………………………………………………46

任務4-1 使用KNN 算法實現鳶尾花分類 ………………………………………………47

任務4-2 使用KNN 回歸算法預測鞋碼 …………………………………………………52

任務4-3 使用KNN 算法實現乳腺癌預測 ………………………………………………55

項目小結 ………………………………………………………………………………… 58

練習題 …………………………………………………………………………………… 58

項目5　基於線性回歸算法的應用實踐 ……………………………………………………60

任務5-1 使用一元線性回歸算法實現直線擬合 …………………………………………61

任務5-2 使用多元線性回歸算法實現波士頓房價預測 …………………………………64

任務5-3 使用多項式擴展實現曲線預測 …………………………………………………66

項目小結 ………………………………………………………………………………… 68

練習題 …………………………………………………………………………………… 68

項目6　基於邏輯回歸算法的應用實踐 ……………………………………………………70

任務6-1 使用邏輯回歸算法檢測信用卡欺詐 ……………………………………………71

任務6-2 使用邏輯回歸算法解決數據不平衡問題 ………………………………………76

任務6-3 使用邏輯回歸算法處理鳶尾花分類問題 ………………………………………80

項目小結 ………………………………………………………………………………… 82

練習題 …………………………………………………………………………………… 82

項目7　基於決策樹算法的應用實踐 ………………………………………………………83

任務7-1 使用決策樹算法實現鳶尾花分類 ……………………………………………84

任務7-2 使用決策樹回歸算法實現曲線預測 ……………………………………………93

任務7-3 使用決策樹算法預測波士頓房價 ………………………………………………95

項目小結 ………………………………………………………………………………… 96

練習題 …………………………………………………………………………………… 96

項目8　基於支持向量機算法的應用實踐 …………………………………………………98

任務8-1 使用支持向量機算法處理二維數據分類問題 …………………………………99

任務8-2 使用支持向量機算法處理高維數據分類問題 ……………………………… 103

任務8-3 使用SVM 回歸算法預測曲線預測和波士頓房價 ………………………… 107

V

目 錄

項目小結 ……………………………………………………………………………… 110

練習題 ………………………………………………………………………………… 110

項目9　基於神經網絡算法實現曲線擬合 ……………………………………………… 112

任務9-1 人工神經網絡反向傳播計算 ………………………………………………… 113

任務9-2 使用人工神經網絡算法擬合函數 …………………………………………… 118

任務9-3 使用人工神經網絡算法實現鳶尾花分類 …………………………………… 121

項目小結 ……………………………………………………………………………… 123

練習題 ………………………………………………………………………………… 123

項目10　基於AdaBoost 算法的應用實踐 ……………………………………………… 125

任務10-1 使用AdaBoost 算法原理知識進行分類器計算 ………………………… 126

任務10-2 使用AdaBoost 算法實現鳶尾花分類問題 ……………………………… 129

任務10-3 使用AdaBoost 算法實現人臉識別 ……………………………………… 132

任務10-4 使用AdaBoost 算法實現曲線預測 ……………………………………… 135

項目小結 ……………………………………………………………………………… 137

練習題 ………………………………………………………………………………… 137

參考文獻………………………………………………………………………… 139