Python

本書系統地介紹統計分析和機器學習領域中最為重要和流行的多種技術及其基本原理, 本書在詳解有關算法的基礎上, 結合大量Python語言實例演示了這些理論在實踐中的使用方法。具體內容包括線性回歸 (包括嶺回歸和Lasso方法)、邏輯回歸、支持向量機、感知機與神經網絡、聚類分析 (包括K均值算法、EM算法、密度聚類等)、降維與流形學習、集成學習、KNN、樸素貝葉斯、概率圖模型 (包括貝葉斯網絡和HMM模型) 等內容。

Python是一門非常強大的高級程序語言，其具有語法簡潔、可讀性高、開發效率高、可移植性、支持自行開發或第三方模塊、可調用C和C++庫、可與Java組建集成等優點，已被應用到Web開發、操作系統管理、科學計算、自動化運維和人工智能等眾多領域。本書以項目引領任務驅動方式進行編寫，以實現最簡單功能為切入點，由淺入深地引導學生完成項目，輔以知識點講解和相關知識擴展，拓展學生的學習思維，突出問題求解方法和

初学者学习机器学习课程一般都会面临两大障碍。**大障碍是数学基础。机器学习要求有数学基础，书中大量的公式是初学者的噩梦，尤其是对于已经离开大学走向工作岗位的爱好者来说，从头开始去学习和理解数据分布和模型背后的数学原理需要花费很多的时间和精力，学习周期非常漫长。第二大障碍是编程实践。并不是所有人都擅长编代码，而只有亲手用代码实现机器学习的各种算法，亲眼见到算法解决了实际问题，才能更深入理解算法。除非想做高精尖的前沿研究，理论研究和公式推导并非大多数人的专长，如果只是想更合理地应用机器学习来解决实际问题，掌握必需的数学知识就可以理解问题该如何解决，使用Python编程实现机器学习算法也比使用C++或Java等语言容易得多。 本书就是为了让初学者顺利入门而设计的。首先，本书只讲述机器学习常用算法的基本原理，并不追求各种算法大而全地简略罗列，学习并深入理解这些精挑细选的算法后，能够了解基本的机器学习算法，使用适合的算法来解决实际问题。其次，本书使用Python 3.7+Numpy来实现常用的机器学习算法，读者能亲眼看见算法的工作过程和结果，可加深对抽象公式和算法的理解，逐步掌握机器学习的基本原理和编程技能，拉近理论与实践的距离。再次，每章都附有习题和习题参考答案，其中，一部分习题是为了帮助读者理解正文内容而设置的，另一部分习题是为了降低正文中的数学要求，将一些必要但枯燥的公式推导放在习题中，供读者有选择性地学习。 机器学习原理与Python编程实践，专为初学者顺利入门设计，解决机器学习中数学基础和编程实践的两大障碍

《Python數據分析項目全程實錄》精選不同行業、不同分析方法以及機器學習等方向的12個熱門Python數據分析項目。這些項目既可以作為練手項目，也可以應用於實際數據分析工作中，其中的機器學習還可作為參賽項目的參考。總體來說，這些項目的實用性都非常強。具體項目包含：熱銷產品銷售數據統計分析、籃壇薪酬揭秘：球員位置與薪資數據的深度分析、股海秘籍：股票行情數據分析之旅、京東某商家的銷售評價數據分析、商城註冊用戶數據探索分析、自媒體賬號內容數據分析、汽車數據可視化與相關性分析、抖音電商數據分析系統、會員數據化運營RFM分析實戰、商超購物Apriori關聯分析、基於K-Means算法實現鳶尾花聚類分析、電視節目數據分析系統。本書從數據分析、機器學習的角度出發，按照項目開發的順序，系統、全面地講解每一個項目的開發實現過程。體例上，每章一個項目，統一採用“開發背景→系統設計→技術準備→各功能模塊實現→項目運行→源碼下載”的形式完整呈現項目，給讀者明確的成就感，可以讓讀者快速積累實際數據分析經驗與技巧，早日實現就業目標。

本教材書在內容設計上具有明顯的創新行為,主要為了更好地滿足12歲到20歲青少年朋友的學習需求,由淺入深,快樂學習Python語言.從基礎知識角度,考慮讀者中學數學、英語等背景知識的要求,使所編程的內容既有助於加深對中學知識的理解,又有助於更好地領會代碼的作用,能達到一舉多得的學習效果；從趣味角度,還引入了可愛的三酷貓,融入各種故事與讀者一起體會編程的作用；從知識層次角度,本書從基本的Python語法、函數、數組,到製作二維圖、動畫、遊戲,再到傳統算法、圖像算法、國內外競賽知識,既能逐步提高讀者通過編程解決問題的能力,又能讓讀者觸碰智能編程在競賽、科學研究、實際應用等方面的誘人前景；從教學角度,每章安排了練習和實驗,並提供教學PPT等資料,方便教師的教學使用要求.另外,本書對大數據、人工智能的基礎知識做了啟蒙式的潛移默化式的安排,如對數學、數據、算法的畫龍點睛式安排.本書適合作為中學信息科技學科的教材,也適合作為各類信息化競賽的入門教材,同時適合部分學有餘力的五六年級小朋友學習,還適合大學非計算機類學生自學.

本書根據教育部高等學校大學計算機課程教學指導委員會編制的《大學計算機基礎課程教學基本要求》，按照大學計算機基礎教學中培養計算思維能力的思路，以及計算機應用發展的新趨勢和數字化項目建設的要求編寫而成。內容共13章，分別是計算思維概述、計算機系統、數制和信息編碼、操作系統基礎與信息安全、辦公軟件Office2010、Python程序設計基礎等，內容豐富、圖文並茂、易教易學，注重在基本原理、基本概念、基

本教材以數據挖掘的經典算法為主線，基礎部分講清楚數據挖掘的過程和經典算法：數據探索、數據預處理、分類與回歸、聚類分析、關聯規則挖掘、偏差檢測等。同時增加實現應用部分，在應用實現部分，以Python作為描述語言，以解決某個應用的挖掘目標為前提，介紹案例背景，闡述分析方法與過程，完成模型構建，給出算法的具體實現，通過此項目的方法提升學生的算法理解和應用能力，適應當今大數據時代對於高級工程師的數據分析能

本書基於數據驅動的思維，以R和Python作為編程工具對大量實際案例做了分析。介紹了回歸、分類及各種多元分析方法（包括主成分分析、因子分析、聚類分析、典型相關分析、二元及多元對應分析、多維尺度變換分析）的概念、應用及可能的誤區。 本書並不要求讀者有數理統計的預備知識，而且本書在一開始為讀者提供了為理解概念而必要的代數知識，並附有學習編程語言的練習。讀者可以通過本書學到機器學習的*重要內容並同時

理論、思維訓練與實踐相結合是本書的特色。本書共分為8章，通過將演算法與程式設計的基本概念與某種程式設計語言（以Python為主）結合使學生理解計算思維的概念，瞭解演算法與程式的關係，能夠進行較為簡單而經典的演算法設計、評價演算法的性能與效率，並能利用程式設計語言進行簡單的程式開發； 培養學生利用電腦解決與專業、科研、社會需要密切相關的實際問題的能力和基本創新精神，以適應資訊化社會的要求、拓寬專業生

矩陣是重要的數學工具，也是當今人工智能、機器學習等領域重要的數據處理對象。本書作為矩陣理論的教材，將由淺入深地介紹矩陣的基本理論，包括矩陣的概念與運算、線性方程組、線性映射和線性變換、行列式、向量空間、特徵值和特徵向量、相似矩陣、二次型等，還有這些基本理論在機器學習上的簡單應用。此外在本書各章還附上了對應的Python與MATLAB編程實踐代碼，以供需要工程實踐的讀者參考應用。 本書可作為高等院校工科專業的本科生教材，也可作為研究生入學考試的參考書，還可供對矩陣理論有需求的工程技術人員閱讀參考。

本書從實戰的角度講解Python在各個領域的應用案例，這些領域包括操作系統、GUI、ChatGPT、動畫、多媒體(圖像、音頻和視頻)、辦公自動化、控件軟件、加密和解密、數學計算、文本處理。上述技術領域涵蓋的章節如下。(1) 文件系統(第1～2章)： 主要包括對文件和文件夾的操作、獲取文件和目錄屬性，搜索文件和目錄、創建快捷操作，控制回收站、Windows注冊表、設置啟動項、顯示系統窗口等。(2) GUI(第3、5章)： 主要包括PyQt6的基本用法、異形窗口、(半)透明窗口，控制狀態欄等。(3) ChatGPT(第4章)： 主要包括ChatGPT的基本概念、ChatGPT的競品、注冊和登錄ChatGPT，以及應用ChatGPT做的兩個項目——聊天機器人和編程魔匣。(4) 動畫(第6章)： 主要包括屬性動畫、緩動動畫、數學動畫、生成動畫gif、三維仿真等。(5) 多媒體(第7～10章)： 主要包括播放音頻、錄制音頻、音頻分析、音頻格式轉換、音頻編輯、獲取視頻信息、播放視頻、截屏、拍照、錄制視頻、視頻格式轉換、視頻編輯、圖像處理(濾鏡、縮放圖像、翻轉圖像、混合圖像等)、仿射變換、PS濾鏡(銳化、油畫、光照、波浪扭曲、浮雕效果等)、視頻特效(旋轉視頻、鏡像視頻、變速視頻、變形視頻、視頻淡入淡出、為視頻添加字幕等)。(6) 辦公自動化(第11～14章)： 包括Excel、Word、PointPower和PDF的讀寫操作。(7) 控制軟件(第15章)： 包括控制微信、瀏覽器、鼠標、鍵盤和剪貼板。(8) 加密和解密(第16章)： MD5加密、SHA加密、Base64編碼和解碼、DES加密和解密、AES加密和解密、RSA加密和解密。(9) 數學計算(第17章)： 極限、導數、積分、二重積分、三重積分、微分方程、矩陣的加法、減法和乘法、矩陣的秩、相似矩陣、線性方程組。(10) 文件壓縮和解密(第18章)： 壓縮和解壓zip和7z格式的文件。(11) 文本處理(第19章)： 處理長字符串、計算文本相似度、中文分詞、詞性標注、將圖像轉換為字符。本書獨立成冊，適用於已掌握Python基礎知識

本書涵蓋深度學習的專業基礎理論知識，包括深度學習概述、機器學習基礎、神經網絡基礎、卷積神經網絡、循環神經網絡、正則化與深度學習優化，以及比較流行的應用場景實踐。本書配套70個示例源碼及PPT課件。本書共11章外加3個附錄，系統講解深度學習的基礎知識與領域應用實踐。本書內容包括深度學習概述、機器學習基礎、神經網絡基礎、卷積神經網絡和循環神經網絡、正則化與深度學習優化、計算機視覺應用、目標檢測應用、文本分析應用、深度強化學習應用、TensorFlow模型應用、Transformer模型應用等。附錄中還給出機器學習和深度學習中用到的數學基礎知識，包括線性代數、概率論和信息論等。本書適合Python深度學習初學者、深度學習算法開發人員學習，也適合作為高等院校計算機技術、人工智能、大數據相關專業的教材或教學參考書。

本書是一本具有實踐導向性的教材，主要面向信息工程專業的學生和從事圖像處理的讀者。本書以圖像處理技術為主線，介紹了深度學習在圖像處理中的理論和應用。本書的核心內容涵蓋了深度學習的各個層面，包括設計卷積神經網絡的基礎知識、低階和高階圖像處理任務的實現等。這些內容不僅包含理論介紹，還包括大量的實例代碼，使用Python語言及當前流行的深度學習環境，幫助讀者理解和實踐深度學習在圖像處理中的應用。在低階圖像處理任務部分，本書詳細介紹了圖像去噪、去模糊、增強和超分辨率重建等任務。在高階圖像處理任務部分，讀者將學習到如何使用深度學習方法進行圖像分類、目標檢測、語義分割和實例分割等。本書旨在通過理論介紹與實踐案例相結合的方式，幫助讀者更好地理解並掌握深度學習在圖像處理領域的應用，是一本理論與實踐並重、實用性強的教材。

區塊鏈技術作為當前極具影響力的重大創新技術之一，引起了全球各界人士的廣泛關注。它以去中心化的方式集體維護可信數據，具有防篡改、高度可擴展等特點，是構建價值互聯網的基石。 本書共8章。第1章從概念和原理上對區塊的定義與數據結構、區塊鏈的構成等進行詳細描述，並介紹哈希算法、非對稱加密技術與數字簽名、默克爾樹、共識算法、區塊鏈分叉等內容。第2章和第3章著重介紹區塊鏈模擬系統的構建，以及在此基礎上開發的去中心化應用。第4章介紹如何利用Ganache和MetaMask在本地搭建以太坊私有網絡，並進行簡單的測試。第5章介紹如何利用Python版本的Web3提供的API與以太坊節點進行交互，以及如何基於Brownie框架進行區塊鏈應用編程。第6章介紹與區塊鏈應用緊密相關的IPFS。第7章介紹SQLite和LevelDB這兩種在區塊鏈應用中常用的嵌入式數據庫。第8章在前面章節的基礎上詳細介紹如何開發一個基於區塊鏈的電子證書認證系統。 本書可作為高等院校人工智能、大數據、計算機、信息安全等相關專業的教材，也可供對區塊鏈技術感興趣並且具有一定計算機和數學基礎的人員參考使用。

目前，社會對大數據工程技術人才的需求大大增加，因此向計算機和電子信息類相關專業學生傳授大數據知識和技術方法，提高他們在各領域應用大數據的能力具有重大意義。本書共9章，圍繞大數據的基本概念和大數據處理的主要環節編寫。第1章主要介紹大數據的概念、特點和構成；第2章主要介紹在Windows系統中安裝Linux虛擬機及構建Hadoop分布式集群的方法；第3章主要介紹大數據采集工具的使用及數據預處理的常用方法；第4章首先介紹Hadoop的發展歷史、軟件生態、核心組件和命令結構，然後以HDFS為重點，介紹其體系結構和特點，並詳細介紹HDFS的交互式命令；第5章介紹大數據環境下存儲工具HBase的數據模型；第6章介紹Hive的存儲模型，第7章介紹在Hadoop平臺上利用Python設計MapReduce程序的基本思路；第8章介紹大數據分析與挖掘過程中的常用算法；第9章介紹數據可視化的常用方法及常用工具。本書的內容與實際應用緊密結合，目的是讓讀者能瞭解大數據的基本概念、理解大數據技術的基本原理、初步掌握大數據處理和分析的基本方法，為未來應用大數據思維和大數據分析方法解決工作中的實際問題打下良好的基礎。本書適合作為高等學校計算機類和電子信息類相關專業大數據技術相關課程的教材，可供本科生、研究生使用，同時也適合對大數據技術感興趣的廣大讀者進行自學和實踐時使用。

本書作為數據挖掘的入門讀物，基於真實的數據集進行案例實戰，使用Python數據科學庫，從數據預處理開始一步步介紹數據建模和數據挖掘的過程。主要介紹了數據挖掘的基礎知識、基本工具和實踐方法，通過循序漸進地講解算法，帶領讀者輕鬆踏上數據挖掘之旅。本書採用理論與實踐相結合的方式，呈現了如何使用邏輯回歸進行環境數據檢測，如何使用HMM進行中文分詞，如何利用卷積神經網絡識別雷達剖面圖，如何使用循環神經網絡構建聊天機器人，如何使用樸素貝葉斯算法進行破產預測，如何使用DCGAN網絡進行人臉生成等。本書也涉及神經網絡、在線學習、強化學習、深度學習和大數據處理等內容。本書以人工智能主流編程語言Python 3版本作為數據分析與挖掘實戰的應用工具，從Pyhton的基礎語法開始，陸續介紹了NumPy數值計算、Pandas數據處理、Matplotlib數據可視化、爬蟲和Sklearn數據挖掘等內容。全書共涵蓋16個常用的數據挖掘算法和機器學習實戰項目。通過學習本書內容，讀者可以掌握數據分析與挖掘的理論知識及實戰技能。

無

無