.
Chapter 0 Python與機器學習0-1 Python發展與編寫環境0-2 機器學習 0-3 機器學習使用Python0-4 基礎數學與Python實作 0-5 小結綜合範例Chapter 1 數據前處理1-1 數據類型1-2 遺漏值 1-3 切割數據集 1-4 異常值 1-5 選取重要特徵 1-6 小結 綜合範例Chapter 2 監督式學習:迴歸2-1 線性迴歸 2-2 評估迴歸模型的效能 2-3 正規化的迴歸 2-4 處理非線性關係 2-5 小結 綜合範例Chapter 3 監督式學習:分類3-1 迴歸vs分類 3-2 評估分類器的效能3-3 邏輯斯迴歸 3-4 支援向量機 3-5 簡單貝氏分類器 3-6 決策樹 3-7 k最近鄰 3-8 小結 綜合範例Chapter 4 模型擬合、評估與超參數調校4-1 工作流程管道化 4-2 過擬合與欠擬合 4-3 評估模型效能4-4 調校超參數 4-5 處理類別不平衡 4-6 小結 綜合範例Chapter 5 非監督式學習:降維與分群5-1 主成份分析降維5-2 k-means分群 5-3 階層式分群 5-4 DBSCAN分群 5-5 鄰近傳播分群 5-6 小結 綜合範例Chapter 6 集成學習6.1 以袋裝法集思廣益 6.2 以提升法互補有無6.3 以堆疊法兼容並蓄 Chapter 7 機器學習應用7.1 自然語言處理 7.2 序列資料處理
Python 3.x程式語言特訓教材(第二版) Python 3.x 網頁資料擷取與分析特訓教材