机器学习实践(第2版)

第1章Python基础实践
1．1实践一： 九九乘法表
1．2实践二： 抽奖系统
1．3实践三： 批量文件遍历、复制、重命名
1．4实践四： 数据统计分析及可视化
1．5实践五： 图像直方图统计

第2章数据爬取与分析
2．1实践一： 爬取明星数据
2．2实践二： 科比职业生涯数据爬取与分析
2．3实践三： 电视影评爬取
2．4实践四： 股票行情爬取与分析

第3章机器学习基础实践
3．1实践一： 基于线性回归/Lasso回归/多项式回归实现房价预测
3．2实践二： 基于朴素贝叶斯实现文本分类
3．3实践三： 基于逻辑回归模型实现手写数字识别
3．4实践四： 基于SVM/决策树/XGBoost算法实现鸢尾花
3．5实践五： 基于K瞞eans/层次聚类算法实现自制数据集聚类

第4章神经网络基础实践
4．1实践一： 基于全连接神经网络实现鲍鱼年龄预测
4．2实践二： 基于全连接神经网络实现车辆分类
4．3实践三： 基于高层API实现车辆分类

第5章计算机视觉基础实践
5．1实践一： 图像数据预处理实践
5．2实践二： 基于卷积神经网络实现宝石分类
5．3实践三： 基于VGGNet网络模型实现美食分类
5．4实践四： 基于ResNet网络模型实现中草药分类
5．5实践五： 基于Faster RCNN模型实现目标检测
5．6实践六： 基于U睳et模型实现宠物图像分割

第6章自然语言处理基础实践
6．1实践一： 文本数据处理实践
6．2实践二： 基于CBOW/Skip瞘ram实现Word2Vec
6．3实践三： 基于循环神经网络实现情感分类
6．4实践四： 基于LSTM实现谣言检测
6．5实践五： 基于结合注意力机制的LSTM实现机器翻译
6．6实践六： 基于GRU实现电影评论分析

第7章深度学习前沿应用
7．1实践一： 文字识别
7．2实践二： 手写数字生成
7．3实践三： 新闻主题分类
7．4实践四： 诗歌生成
7．5实践五： 图像分类Fine睺uning
7．6实践六： 文本分类Fine睺uning

参考文献