零起点Python机器学习快速入门

书籍作者：何海群	ISBN：9787121311413
书籍语言：简体中文	连载状态：全集
电子书格式：pdf,txt,epub,mobi,azw3	下载次数：6211
创建日期：2021-02-14	发布日期：2021-02-14
运行环境：PC/Windows/Linux/Mac/IOS/iPhone/iPad/Kindle/Android/安卓/平板

内容简介

本书采用独创的黑箱模式，MBA案例教学机制，结合一线实战案例，介绍Sklearn人工智能模块库和常用的机器学习算法。书中配备大量图表说明，没有枯燥的数学公式，普通读者，只要懂Word、Excel，就能够轻松阅读全书，并学习使用书中的知识，分析大数据。本书具有以下特色：独创的黑箱教学模式，全书无任何抽象理论和深奥的数学公式。首次系统化融合Sklearn人工智能软件和Pandas数据分析软件，不用再直接使用复杂的Numpy数学矩阵模块。系统化的Sklearn函数和API中文文档，可作为案头工具书随时查阅。基于Sklearn+Pandas模式，无须任何理论基础，全程采用MBA案例模式，懂Excel就可看懂。

作者简介

何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，出版书籍20余部，在人工智能、数据分析等方面具有20年一线专业经验；zwPython开发平台、zwQuant量化软件设计师，中国“Python创客”项目和“Python产业联盟”发起人，国内**Python量化课程：《Python量化实盘·魔鬼训练营》创始人，极宽量化开源团队的创始人。1990年，发明国内**个VR数据手套并获得专利授权，被业界称为“中国VR之父”；1992年，论文《人工智能与中文字型设计》入选《广东青年科学家文集》，现已成为中文字库行业三大基础建模理论之一；1997年，出版国内首部网络经济专著《网络商战》；2008年，在北京联合创办国内**4A级网络公关公司，服务过200余家国际五百强企业，被公关协会誉为：中国网络公关事业的开创者与启蒙者；2012年，发布国内**自主研发的智能中文字库设计软件《x2ttf涂鸦造字》，全功能全免费公益软件；2016年，推出国内首套纯python开源量化软件：zwQuant，以及国内**Tick级别开源金融大数据项目：zwDat金融数据包。研究成果有：“小数据”理论，快数据模型，黑天鹅算法，GPU超算工作站、MTRD多节点超算集群算法、“1+N”网络传播模型、人工智能“足彩图灵法则”等。

编辑推荐

适读人群：计算机行业、金融行业，数据分析、大数据研究人员等。

不需要任何编程、交易经验，也不需要具备超强的数据分析能力，只要会使用Excel就可以轻松学会本书讲解的知识点。

前言

本书是一部意外之作，也是一部惊喜之作。
这是一本非常简单的 Python 机器学习入门教程，具有以下特色。
独创的黑箱教学模式，全书无任何抽象理论和深奥的数学公式。
首次系统化融合 Sklearn 人工智能软件和 Pandas 数据分析软件，无须使用复杂的 Numpy 数学矩阵模块。
三位一体的课件模式：图书+开发平台+成套的教学案例，系统讲解，逐步深入。
系统化的Sklearn函数API接口中文文档，可作为案头工具书随时查阅。
基于 Sklearn+Pandas 架构，全程采用 MBA 案例模式，无需任何理论基础，懂 Excel 就可看懂。
本书内容原本是《零起点 Python 足彩大数据与机器学习实盘分析》中的章节，在我们内部小范围使用时，深受学员喜爱，于是，将书中与机器学习相关的内容和案例单独抽取出来，加入部分 Python 入门内容，形成了《零起点 Python 机器学习快速入门》一书。
Python 量化三部曲包括：
《零起点 Python 大数据与量化交易》（入门教材）
《零起点 Python 量化与机器学习实盘分析》（重点分析 Sklearn）
《零起点 Python 量化与 TensorFlow 深度学习实盘分析》（重点分析
TensorFlow）
此外，还有两部补充作品：
《零起点 Python 足彩大数据与机器学习实盘分析》
《零起点 Python 机器学习快速入门》
Python学习路线
机器学习、人工智能和金融量化基本原理都是相通的，本质上都是数据分析。
本书虽然属于“零起点 Python”系列，但要更好地学习本书，掌握相关的配套程序，最好具备以下基础。
Python 编程基础，不懂 Python 语言的读者，先花一周时间学习 Python基本知识以及 Pandas（潘达思）数据分析软件基础操作。
Top 极宽量化社区有“Python 量化与 zwQuant 学习路线图”，大家可以参考。
先花一周时间学习 Python 基础，再阅读《zwPython 中文手册》，可以少走很多弯路。
学好 Python、Pandas 基础后，先将本书通读 1~2 遍。通读时，碰到问题没关系，记录一下跳过去，然后进行精读；正式学习每章的代码时，一定要将代码运行 1~2 遍，培养编程感觉。
根据代码学习画流程图，有了流程图就可以把握程序逻辑，重点是程序和策略的逻辑。
入门后，多看看配套的课件和程序源码，全套 zwQuant 量化开源程序都带有函数一级的中文注解。
在学习过程当中一定要多问，可以在论坛提问，这样大家都受益。
在群文件中有一个小软件，即 Python流程图绘制软件 CODINGRAPH，使用该软件，拷贝代码就可以自动绘制流程图，对其他编程语言也适用。
网络资源
与本书有关的程序和数据下载，请浏览网站，极宽量化社区中的【下载中心】栏目。本书在 TopQuant.vip 极宽量化社区设有专栏，对本书、人工智能和机
器学习有任何建议都可在社区相关栏目发布信息，我们会在第一时间进行反馈和答复。
“零起点Python”系列丛书
本书继续保持了“零起点 Python”系列丛书的一贯风格——简单实用。
书中配备了大量的图表说明，没有枯燥的数学公式，只要懂 Word、Excel，
就能够轻松阅读全书。
IT 零起点：无需任何电脑编程基础，只要会打字、会使用 Excel，就能看懂本书，利用本书配套的 Python 软件包，轻松学会如何利用 Python对股票和足彩数据进行专业分析和量化投资分析。
投资零起点：无须购买任何专业软件，本书配套的 zwPython 软件包，采用开源模式，提供 100%全功能、全免费的工业级数据分析平台。
配置零起点：所有软件、数据全部采用苹果“开箱即用”模式，绿色版本，无须安装，解压缩后即可直接运行系统。
理财零起点：无需任何专业金融背景，采用通俗易懂的语言，配合大量专业的图表和实盘操作案例，轻松掌握各种量化投资策略。
数学零起点：全书没有任何复杂的数学公式，只有最基本的加、减、乘、除，轻轻松松就能看懂全书。
致谢
本书的出版要特别感谢电子工业出版社的黄爱萍编辑，感谢她在选题策划和稿件整理方面做出的大量工作。
在本书创作过程中，极宽开源量化团队和培训班的全体成员，也提出过很多宝贵的意见，并对部分内容程序做了中文注解。特别是吴娜、余勤两位同学，为极宽开源量化文库和 zwQuant 开源量化软件编写文档，并在团队成员管理方面做了大量工作，为他们的付出表示感谢。
何海群（字王）
北京极宽科技有限公司 CTO
2017 年 2 月 25 日

第 1 章从阿尔法狗开始说起1
1．1 阿尔法狗的前世今生．．．．．．．1
1．2 机器学习是什么．．．．．2
1．3 机器学习大史记．．．．．3
1．4 机器学习经典案例．．．．．．．．． 11
第 2 章开发环境．．．．．．13
2．1 数据分析首选 Python．．．．．13
2．2 用户运行平台．．．．．．．18
2．3 程序目录结构．．．．．．．19
2．4 Spyder 编辑器界面设置．20
2．5 Python 命令行模式．．．．．．．．．26
2．6 Notebook 模式．．．．．．27
2．7 模块库控制面板．．．29
2．8 使用 pip 更新模块库．．．．．．33
第 3 章 Python 入门案例．．．．39
3．1 案例 3-1：第一次编程“hello，ziwang” ．．．．39
3．2 案例 3-2：增强版“hello，zwiang” ．．42
3．3 案例 3-3：列举系统模块库清单．．．．．．．44
3．4 案例 3-4：常用绘图风格．．．．．．．．．45
3．5 案例 3-5：Pandas 常用绘图风格．．．．．．．47
3．6 案例 3-6：常用颜色表 cors．．．．．49
3．7 案例源码．．．．．50
第 4 章 Python 基本语法．．．．58
4．1 数据类型．．．．．58
案例 4-1：基本运算．．．．．．．59
4．2 字符串．．．．．．．．．61
案例 4-2：字符串入门．．．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 元组．．．66
案例 4-5：元组操作．．．．．．．67
4．5 Dictionary 字典．．．．．68
案例 4-6：字典操作．．．．．．．68
4．6 数据类型转换．．．．．．．70
案例 4-7：控制语句．．．．．．．71
案例 4-8：函数定义．．．．．．．73
4．7 案例源码．．．．．75
第 5 章 Python 人工智能入门与实践．．．．．．85
5．1 从忘却开始．85
5．2 Iris 经典爱丽丝．．．．．89
案例 5-1：Iris 爱丽丝．．．．90
案例 5-2：爱丽丝进化与文本矢量化．．．．．．．．．92
5．3 AI 操作流程95
5．4 数据切割函数．．．．．．．98
案例 5-3：Iris 爱丽丝分解．．．．．．99
案例 5-4：线性回归算法．．．．．．．103
5．5 案例源码．．．109
第 6 章机器学习经典算法案例（上）． 116
6．1 线性回归．．． 116
6．2 逻辑回归算法．．．．．124
案例 6-1：逻辑回归算法．．．．．．．125
6．3 朴素贝叶斯算法．127
案例 6-2：贝叶斯算法．129
6．4 KNN 近邻算法．．．130
案例 6-3：KNN 近邻算法．．．．．133
6．5 随机森林算法．．．．．135
案例 6-4：随机森林算法．．．．．．．139
6．6 案例源码．．．140
第 7 章机器学习经典算法案例（下）．149
7．1 决策树算法．．．．．．．．．149
案例 7-1：决策树算法．151
7．2 GBDT 迭代决策树算法．．．．．．．．．153
案例 7-2：GBDT 迭代决策树算法．154
7．3 SVM 向量机．．．．．．．156
案例 7-3：SVM 向量机算法．157
7．4 SVM-cross 向量机交叉算法．．159
案例 7-4：SVM-cross 向量机交叉算法．．．．160
7．5 神经网络算法．．．．．161
案例 7-5：MLP 神经网络算法．．．．．．．．165
案例 7-6：MLP_reg 神经网络回归算法．．．168
7．6 案例源码．．．170
第 8 章机器学习组合算法．．．．．．．．．183
8．1 CCPP 数据集．．．．．．183
案例 8-1：CCPP 数据集．．．．．．．．184
案例 8-2：CCPP 数据切割．．．．186
案例 8-3：读取 CCPP 数据集．．．．．．．．．189
8．2 机器学习统一接口函数．．．．．．．．．192
案例 8-4：机器学习统一接口．．．．．．．．．193
案例 8-5：批量调用机器学习算法．201
案例 8-6：一体化调用．205
8．3 模型预制与保存．208
案例 8-7：储存算法模型．．．．．．．210
案例 8-8：批量储存算法模型．．．．．．．．．213
案例 8-9：批量加载算法模型．．．．．．．．．215
案例 8-10：机器学习组合算法．．．．．．．219
8．4 案例源码．．．224
附录 A Sklearn 常用模块和函数．242
附录 B 极宽量化系统模块图．．．．．．266

零起点Python机器学习快速入门

内容简介

作者简介

编辑推荐

前言

目录

产品特色