零起點Python機器學習快速入門 ( 簡體 字) |
| 作者：何海群 | 類別：1. -> 程式設計 -> Python |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 46529
詢問書籍請說出此書號！【缺書】
NT售價： 295 元 |
| 出版日：4/1/2017 |
| 頁數：284 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121311413 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：本書是一部意外之作，也是一部驚喜之作。
這是一本非常簡單的 Python 機器學習入門教程，具有以下特色。
獨創的黑箱教學模式，全書無任何抽象理論和深奧的數學公式。
首次系統化融合 Sklearn 人工智能軟件和 Pandas 數據分析軟件，無須使用復雜的 Numpy 數學矩陣模塊。
三位一體的課件模式：圖書+開發平臺+成套的教學案例，系統講解，逐步深入。
系統化的Sklearn函數API接口中文文檔，可作為案頭工具書隨時查閱。
基于 Sklearn+Pandas 架構，全程采用 MBA 案例模式，無需任何理論基礎，懂 Excel 就可看懂。
本書內容原本是《零起點 Python 足彩大數據與機器學習實盤分析》中的章節，在我們內部小范圍使用時，深受學員喜愛，于是，將書中與機器學習相關的內容和案例單獨抽取出來，加入部分 Python 入門內容，形成了《零起點 Python 機器學習快速入門》一書。
Python 量化三部曲包括：
《零起點 Python 大數據與量化交易》（入門教材）
《零起點 Python 量化與機器學習實盤分析》（重點分析 Sklearn）
《零起點 Python 量化與 TensorFlow 深度學習實盤分析》（重點分析
TensorFlow）
此外，還有兩部補充作品：
《零起點 Python 足彩大數據與機器學習實盤分析》
《零起點 Python 機器學習快速入門》
Python學習路線
機器學習、人工智能和金融量化基本原理都是相通的，本質上都是數據分析。
本書雖然屬于“零起點 Python”系列，但要更好地學習本書，掌握相關的配套程序，最好具備以下基礎。
Python 編程基礎，不懂 Python 語言的讀者，先花一周時間學習 Python基本知識以及 Pandas（潘達思）數據分析軟件基礎操作。
Top 極寬量化社區有“Python 量化與 zwQuant 學習路線圖”，大家可以參考，網址是：http://topquant.vip/forum.php?mod=viewthread＆tid=6。
先花一周時間學習 Python 基礎，再閱讀《zwPython 中文手冊》，可以少走很多彎路。
學好 Python、Pandas 基礎后，先將本書通讀 1~2 遍。通讀時，碰到問題沒關系，記錄一下跳過去，然后進行精讀；正式學習每章的代碼時，一定要將代碼運行 1~2 遍，培養編程感覺。
根據代碼學習畫流程圖，有了流程圖就可以把握程序邏輯，重點是程序和策略的邏輯。
入門后，多看看配套的課件和程序源碼，全套 zwQuant 量化開源程序都帶有函數一級的中文注解。
在學習過程當中一定要多問，可以在論壇提問，這樣大家都受益。
本書讀者 QQ 群號：124134140。在群文件中有一個小軟件，即 Python流程圖繪制軟件 CODINGRAPH，使用該軟件，拷貝代碼就可以自動繪制流程圖，對其他編程語言也適用。
網絡資源
與本書有關的程序和數據下載，請瀏覽網站：http://TopQuant.vip，極寬量化社區中的【下載中心】欄目。本書在 TopQuant.vip 極寬量化社區設有專欄，對本書、人工智能和機
器學習有任何建議都可在社區相關欄目發布信息，我們會在第一時間進行反饋和答復。
“零起點Python”系列叢書
本書繼續保持了“零起點 Python”系列叢書的一貫風格——簡單實用。
書中配備了大量的圖表說明，沒有枯燥的數學公式，只要懂 Word、Excel，
就能夠輕松閱讀全書。
IT 零起點：無需任何電腦編程基礎，只要會打字、會使用 Excel，就能看懂本書，利用本書配套的 Python 軟件包，輕松學會如何利用 Python對股票和足彩數據進行專業分析和量化投資分析。
投資零起點：無須購買任何專業軟件，本書配套的 zwPython 軟件包，采用開源模式，提供 100%全功能、全免費的工業級數據分析平臺。
配置零起點：所有軟件、數據全部采用蘋果“開箱即用”模式，綠色版本，無須安裝，解壓縮后即可直接運行系統。
理財零起點：無需任何專業金融背景，采用通俗易懂的語言，配合大量專業的圖表和實盤操作案例，輕松掌握各種量化投資策略。
數學零起點：全書沒有任何復雜的數學公式，只有最基本的加、減、乘、除，輕輕松松就能看懂全書。
致謝
本書的出版要特別感謝電子工業出版社的黃愛萍編輯，感謝她在選題策劃和稿件整理方面做出的大量工作。
在本書創作過程中，極寬開源量化團隊和培訓班的全體成員，也提出過很多寶貴的意見，并對部分內容程序做了中文注解。特別是吳娜、余勤兩位同學，為極寬開源量化文庫和 zwQuant 開源量化軟件編寫文檔，并在團隊成員管理方面做了大量工作，為他們的付出表示感謝。
何海群（字王）
北京極寬科技有限公司 CTO
2017 年 2 月 25 日 |
內容簡介：本書采用獨創的黑箱模式，MBA案例教學機制，結合一線實戰案例，介紹Sklearn人工智能模塊庫和常用的機器學習算法。書中配備大量圖表說明，沒有枯燥的數學公式，普通讀者，只要懂Word、Excel，就能夠輕松閱讀全書，并學習使用書中的知識，分析大數據。本書具有以下特色：獨創的黑箱教學模式，全書無任何抽象理論和深奧的數學公式。首次系統化融合Sklearn人工智能軟件和Pandas數據分析軟件，不用再直接使用復雜的Numpy數學矩陣模塊。系統化的Sklearn函數和API中文文檔，可作為案頭工具書隨時查閱。基于Sklearn+Pandas模式，無須任何理論基礎，全程采用MBA案例模式，懂Excel就可看懂。 |
目錄：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 機器學習是什么.....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 用戶運行平臺.......18
2.3 程序目錄結構.......19
2.4 Spyder 編輯器界面設置.20
2.5 Python 命令行模式.........26
2.6 Notebook 模式......27
2.7 模塊庫控制面板...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：列舉系統模塊庫清單.......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：常用顏色表 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 列表......64
案例 4-4：列表操作.......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：控制語句.......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：線性回歸算法.......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 線性回歸... 116
6.2 邏輯回歸算法.....124
案例 6-1：邏輯回歸算法.......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 向量機 .......156
案例 7-3：SVM 向量機算法.157
7.4 SVM-cross 向量機交叉算法..159
案例 7-4：SVM-cross 向量機交叉算法....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 神經網絡回歸算法...168
7.6 案例源碼...170
第 8 章 機器學習組合算法 .........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 模型預制與保存.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：機器學習組合算法.......219
8.4 案例源碼...224
附錄 A Sklearn 常用模塊和函數.242
附錄 B 極寬量化系統模塊圖......266 |
| 序： |
