搭建機(jī)器學(xué)習(xí)開(kāi)發(fā)環(huán)境及Python基礎(chǔ)，108頁(yè)P(yáng)DF

一. 機(jī)器學(xué)習(xí)開(kāi)發(fā)環(huán)境搭建

1.1 Python & Anaconda 安裝及配置

1.2 Jupyter Notebook

• 1.2.1 拓展插件

• 1.2.2 自動(dòng)檢查代碼錯(cuò)誤

1.3 JupyterLab

• 1.3.1 安裝 Jupyterlab

• 1.3.2 設(shè)置工作路徑/取消密碼

• 1.3.3 添加JupyterLab快捷方式

• 1.3.4 mito

1.4 VSCode

• 1.4.1 安裝

• 1.4.2 配置

• 1.4.3 插件

• 1.4.4 主題

1.5 環(huán)境管理

1.6 包管理

• 1.6.1 pip freeze

• 1.6.2 pip cache

• 1.6.3 pip list

• 1.6.4 pip.init

1.7 必備工具

• 1.7.1 Cmder

• 1.7.2 Git

二. Python基礎(chǔ)

2.0 Python 怎么學(xué)

2.1 Python版本和解釋器

2.2 Python基本語(yǔ)法

• 縮進(jìn)

• 注釋

• 標(biāo)識(shí)符

• 引號(hào)

• 命名規(guī)范

• 樣式指南

2.3 數(shù)據(jù)類(lèi)型

• 2.3.1 數(shù)值類(lèi)型

• 2.3.2 文本類(lèi)型:str

• 2.3.3 布爾類(lèi)型:bool

• 2.3.4 序列類(lèi)型

• 2.3.5 映射類(lèi)型:dict

• 2.3.6 集合類(lèi)型:set

2.4 運(yùn)算符

• 2.4.1 算術(shù)運(yùn)算符

• 2.4.2 比較運(yùn)算符

• 2.4.3 賦值運(yùn)算符

• 2.4.4 位運(yùn)算符

• 2.4.5 邏輯運(yùn)算符

• 2.4.6 成員運(yùn)算符

• 2.4.7 身份運(yùn)算符

2.5 控制語(yǔ)句

• 2.5.1 條件語(yǔ)句 - if

• 2.5.1 循環(huán)語(yǔ)句 - while

• 2.5.2 break和continue

• 2.5.3 循環(huán)語(yǔ)句 - for

2.6 函數(shù)

• 2.6.1 定義函數(shù)

• 2.6.2 參數(shù)傳遞

• 2.6.3 返回值

• 2.6.4 作用域

• 2.6.5 遞歸函數(shù)

2.7 包和模塊

• 2.7.1 模塊

• 2.7.2 包

• 導(dǎo)入模塊和包

三. Numpy

3.1 NumPy簡(jiǎn)介

3.2 數(shù)組基礎(chǔ)

• 3.2.1 創(chuàng)建NumPy數(shù)組

• 3.2.2 數(shù)組的屬性

3.3 數(shù)據(jù)操作

• 3.3.1 基礎(chǔ)操作

• 3.3.2 數(shù)組運(yùn)算

• 3.3.3 數(shù)組索引與切片

• 3.3.4 數(shù)組拼接

• 3.3.5 Numpy與線性代數(shù)

• 3.3.6 廣播機(jī)制

3.4 NumPy的應(yīng)用

• 3.4.1 數(shù)據(jù)預(yù)處理

• 3.4.2 公式表示

• 3.4.3 模型實(shí)現(xiàn)

四. Pandas

4.1 Pandas簡(jiǎn)介

• 4.1.1 創(chuàng)建Series：一維數(shù)組

• 4.1.2 創(chuàng)建DateFrame：二維數(shù)組

4.2 數(shù)據(jù)讀寫(xiě)

• 4.2.1 在 pandas 中導(dǎo)入數(shù)據(jù)

• 4.2.2 保存 DataFrame 數(shù)據(jù)

4.3 數(shù)據(jù)探索

• 4.3.1 查看數(shù)據(jù)

• 4.3.2 排序

• 4.3.3 Pandas切片

4.4 數(shù)據(jù)清洗

4.5 數(shù)據(jù)操作

• 4.5.1 選擇數(shù)據(jù)

• 4.5.2 數(shù)據(jù)合并

4.6 數(shù)據(jù)統(tǒng)計(jì)

• 4.6.1 數(shù)據(jù)統(tǒng)計(jì)和描述

• 4.6.2 分組、聚合、透視

4.7 數(shù)據(jù)可視化

• 4.7.1 基礎(chǔ)可視化

• 4.7.2 高級(jí)可視化

4.8 Pandas AI

五. Matplotlib & Seaborn

5.1 Matplotlib簡(jiǎn)介

5.2 圖表構(gòu)成

5.3 常用設(shè)置

• 5.3.1 figure

• figure的常用設(shè)置

• 設(shè)置figure標(biāo)題

• 添加文本

• 設(shè)置圖例

• 設(shè)置子圖間距

• 5.3.2 axes

• 創(chuàng)建axes

• axes的常用設(shè)置

• 設(shè)置標(biāo)題

• 設(shè)置圖例

• 設(shè)置坐標(biāo)軸名稱(chēng)

• 設(shè)置坐標(biāo)軸范圍

• 隱藏邊框

• 顯示網(wǎng)格

• 添加注釋

• 5.3.3 axis

• 設(shè)置坐標(biāo)軸名稱(chēng)

• 設(shè)置坐標(biāo)軸刻度標(biāo)簽樣式

• 設(shè)置坐標(biāo)軸刻度位置

• 設(shè)置坐標(biāo)軸位置

5.4 基本步驟

5.5 Seaborn簡(jiǎn)介

• 5.5.1 Seaborn與matplotlib的關(guān)系

• 5.5.2 Seaborn API

• 5.5.3 Seaborn 實(shí)例

5.6 實(shí)戰(zhàn)項(xiàng)目

5.7 補(bǔ)充資料/代碼

六. Scikit-learn

6.1 簡(jiǎn)介

6.2 使用方法

• 6.2.1 機(jī)器學(xué)習(xí)基本概念

• 6.2.2 scikit-learn極簡(jiǎn)實(shí)例

6.3 Scikit-learn 機(jī)器學(xué)習(xí)完整流程、示例

• 數(shù)據(jù)加載

• 數(shù)據(jù)探索

• 數(shù)據(jù)預(yù)處理

• 模型訓(xùn)練

• 模型評(píng)估

6.4 pipeline處理機(jī)制

• 6.4.1 pipeline簡(jiǎn)介

• 6.4.2 Pipeline的原理

• 6.4.3 Pipeline的用法

• 6.4.4 Pipeline妙用：模塊化Feature Transform

• 6.4.5 Pipeline妙用：自動(dòng)化 Grid Search

• 6.4.6 Pipeline其他用法