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 機器學習是什麼 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 數據分析首選Python 13
2.2 用戶運行平颱 18
2.3 程序目錄結構 19
2.4 Spyder 編輯器界麵設置 20
2.5 Python 命令行模式 26
2.6 Notebook 模式 27
2.7 模塊庫控製麵闆 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：第一次編程“hello,ziwang” 39
3.2 案例3-2：增強版“hello,zwiang” 42
3.3 案例3-3：列舉係統模塊庫清單 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：常用顔色錶 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 列錶 64
案例4-4：列錶操作 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：控製語句 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：綫性迴歸算法. 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 綫性迴歸 116
6.2 邏輯迴歸算法. 124
案例6-1：邏輯迴歸算法. 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 嚮量機 156
案例7-3：SVM 嚮量機算法. 157
7.4 SVM-cross 嚮量機交叉算法 159
案例7-4：SVM-cross 嚮量機交叉算法 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 神經網絡迴歸算法. 168
7.6 案例源碼 170
第8 章機器學習組閤算法 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 模型預製與保存 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：機器學習組閤算法 219
8.4 案例源碼 224
附錄A Sklearn 常用模塊和函數. 242
附錄B 極寬量化係統模塊圖 266
· · · · · · (收起)