1、CMYCMMYCYCMYK零起点Python机器学快速入門扉.pdf 1 17/3/30 下午5:32 内 容 简 介 本书采用独创的黑箱模式，MBA 案例教学机制，结合一线实战案例，介绍 Sklearn 人工智能模块库和常用的机器学习算法。书中配备大量图表说明，没有枯燥的数学公式，只要懂 Word、Excel，就能够轻松阅读全书，并学习使用书中的知识，分析大数据。本书具有以下特色：独创的黑箱教学模式，全书无任何抽象理论和深奥的数学公式。首次系统化融合 Sklearn 人工智能软件和 Pandas 数据分析软件，不用再直接使用复杂的 Numpy 数学矩阵模块。系统化的 Sklearn 函数 A
2、PI 接口中文文档，可作为案头工具书随时查阅。基于 Sklearn+Pandas 架构，全程采用 MBA 案例模式，无需任何理论基础，懂 Excel就可看懂。未经许可，不得以任何方式复制或抄袭本书之部分或全部内容。版权所有，侵权必究。图书在版编目（CIP）数据 零起点 Python 机器学习快速入门/何海群著.北京：电子工业出版社，2017.5 ISBN 978-7-121-31141-3.零.何.软件工具程序设计.TP311.561 中国版本图书馆 CIP 数据核字（2017）第 059262 号 责任编辑：黄爱萍 印 刷：三河市兴达印务有限公司 装 订：三河市兴达印务有限公司 出版发行：电
3、子工业出版社 北京市海淀区万寿路 173 信箱 邮编：100036 开 本：7201000 1/16 印张：17.5 字数：252 千字 版 次：2017 年 5 月第 1 版 印 次：2017 年 5 月第 1 次印刷 定 价：59.00 元 凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若书店售缺，请与本社发行部联系，联系及邮购电话：（010）88254888，88258888。质量投诉请发邮件至，盗版侵权举报请发邮件至。本书咨询联系方式：010-51260888-819，。前 言 本书是一部意外之作，也是一部惊喜之作。这是一本非常简单的 Python 机器学习入门教程，具有以下
4、特色。独创的黑箱教学模式，全书无任何抽象理论和深奥的数学公式。首次系统化融合 Sklearn 人工智能软件和 Pandas 数据分析软件，无须使用复杂的 Numpy 数学矩阵模块。三位一体的课件模式：图书+开发平台+成套的教学案例，系统讲解，逐步深入。系统化的Sklearn函数API接口中文文档，可作为案头工具书随时查阅。基于 Sklearn+Pandas 架构，全程采用 MBA 案例模式，无需任何理论基础，懂 Excel 就可看懂。本书内容原本是零起点 Python 足彩大数据与机器学习实盘分析中的章节，在我们内部小范围使用时，深受学员喜爱，于是，将书中与机器学习相关的内容和案例单独抽取出来
5、，加入部分 Python 入门内容，形成了零起点 Python 机器学习快速入门一书。Python量化三部曲 Python 量化三部曲包括：零起点 Python 大数据与量化交易（入门教材）零起点 Python 量化与机器学习实盘分析（重点分析 Sklearn）零起点Python 机器学习快速入门 IV 零起点 Python 量化与 TensorFlow 深度学习实盘分析（重点分析TensorFlow）此外，还有两部补充作品：零起点 Python 足彩大数据与机器学习实盘分析 零起点 Python 机器学习快速入门 Python学习路线 机器学习、人工智能和金融量化基本原理都是相通的，本质上都
6、是数据分析。本书虽然属于“零起点 Python”系列，但要更好地学习本书，掌握相关的配套程序，最好具备以下基础。Python 编程基础，不懂 Python 语言的读者，先花一周时间学习 Python基本知识以及 Pandas（潘达思）数据分析软件基础操作。Top 极宽量化社区有“Python 量化与 zwQuant 学习路线图”，大家可以参考，网址是：http:/topquant.vip/forum.php?mod=viewthread&tid=6。先花一周时间学习 Python 基础，再阅读zwPython 中文手册，可以少走很多弯路。学好 Python、Pandas 基础后，先将本书通读
7、12 遍。通读时，碰到问题没关系，记录一下跳过去，然后进行精读；正式学习每章的代码时，一定要将代码运行 12 遍，培养编程感觉。根据代码学习画流程图，有了流程图就可以把握程序逻辑，重点是程序和策略的逻辑。入门后，多看看配套的课件和程序源码，全套 zwQuant 量化开源程序都带有函数一级的中文注解。在学习过程当中一定要多问，可以在论坛提问，这样大家都受益。前 言1 V 本书读者 QQ 群号：124134140。在群文件中有一个小软件，即 Python流程图绘制软件 CODINGRAPH，使用该软件，拷贝代码就可以自动绘制流程图，对其他编程语言也适用。网络资源 与本书有关的程序和数据下载，请浏览
8、网站：http:/TopQuant.vip，极宽量化社区中的【下载中心】栏目。本书在 TopQuant.vip 极宽量化社区设有专栏，对本书、人工智能和机器学习有任何建议都可在社区相关栏目发布信息，我们会在第一时间进行反馈和答复。“零起点Python”系列丛书 本书继续保持了“零起点 Python”系列丛书的一贯风格简单实用。书中配备了大量的图表说明，没有枯燥的数学公式，只要懂 Word、Excel，就能够轻松阅读全书。IT 零起点：无需任何电脑编程基础，只要会打字、会使用 Excel，就能看懂本书，利用本书配套的 Python 软件包，轻松学会如何利用 Python对股票和足彩数据进行专业分
9、析和量化投资分析。投资零起点：无须购买任何专业软件，本书配套的 zwPython 软件包，采用开源模式，提供 100%全功能、全免费的工业级数据分析平台。配置零起点：所有软件、数据全部采用苹果“开箱即用”模式，绿色版本，无须安装，解压缩后即可直接运行系统。理财零起点：无需任何专业金融背景，采用通俗易懂的语言，配合大量专业的图表和实盘操作案例，轻松掌握各种量化投资策略。数学零起点：全书没有任何复杂的数学公式，只有最基本的加、减、乘、除，轻轻松松就能看懂全书。零起点Python 机器学习快速入门 VI 致谢 本书的出版要特别感谢电子工业出版社的黄爱萍编辑，感谢她在选题策划和稿件整理方面做出的大量工
10、作。在本书创作过程中，极宽开源量化团队和培训班的全体成员，也提出过很多宝贵的意见，并对部分内容程序做了中文注解。特别是吴娜、余勤两位同学，为极宽开源量化文库和 zwQuant 开源量化软件编写文档，并在团队成员管理方面做了大量工作，为他们的付出表示感谢。何海群（字王）北京极宽科技有限公司 CTO 2017 年 2 月 25 日 轻松注册成为博文视点社区用户（），您即可享受以下服务。提交勘误：提交勘误：您对书中内容的修改意见可在【提交勘误】处提交，若被采纳，将获赠博文视点社区积分（在您购买电子书时，积分可用来抵扣相应金额）。与我们交流：与我们交流：在页面下方【读者评论】处留下您的疑问或观点，与我
11、们和其他读者一同学习交流。页面入口：http:/ 二维码：目 录 第 1 章 从阿尔法狗开始说起.1 1.1 阿尔法狗的前世今生.1 1.2 机器学习是什么.2 1.3 机器学习大史记.3 1.4 机器学习经典案例.11 第 2 章 开发环境.13 2.1 数据分析首选 Python.13 2.2 用户运行平台.18 2.3 程序目录结构.19 2.4 Spyder 编辑器界面设置.20 2.5 Python 命令行模式.26 2.6 Notebook 模式.27 2.7 模块库控制面板.29 2.8 使用 pip 更新模块库.33 第 3 章 Python 入门案例.39 3.1 案例 3-
12、1：第一次编程“hello,ziwang”.39 3.2 案例 3-2：增强版“hello,zwiang”.42 3.3 案例 3-3：列举系统模块库清单.44 零起点Python 机器学习快速入门 VIII 3.4 案例 3-4：常用绘图风格.45 3.5 案例 3-5：Pandas 常用绘图风格.47 3.6 案例 3-6：常用颜色表 cors.49 3.7 案例源码.50 第 4 章 Python 基本语法.58 4.1 数据类型.58 案例 4-1：基本运算.59 4.2 字符串.61 案例 4-2：字符串入门.61 案例 4-3：字符串常用方法.63 4.3 List 列表.64 案
13、例 4-4：列表操作.65 4.4 Tuple 元组.66 案例 4-5：元组操作.67 4.5 Dictionary 字典.68 案例 4-6：字典操作.68 4.6 数据类型转换.70 案例 4-7：控制语句.71 案例 4-8：函数定义.73 4.7 案例源码.75 第 5 章 Python 人工智能入门与实践.85 5.1 从忘却开始.85 5.2 Iris 经典爱丽丝.89 案例 5-1：Iris 爱丽丝.90 案例 5-2：爱丽丝进化与文本矢量化.92 5.3 AI 操作流程.95 目 录1 IX 5.4 数据切割函数.98 案例 5-3：Iris 爱丽丝分解.99 案例 5-4：
14、线性回归算法.103 5.5 案例源码.109 第 6 章 机器学习经典算法案例（上）.116 6.1 线性回归.116 6.2 逻辑回归算法.124 案例 6-1：逻辑回归算法.125 6.3 朴素贝叶斯算法.127 案例 6-2：贝叶斯算法.129 6.4 KNN 近邻算法.130 案例 6-3：KNN 近邻算法.133 6.5 随机森林算法.135 案例 6-4：随机森林算法.139 6.6 案例源码.140 第 7 章 机器学习经典算法案例（下）.149 7.1 决策树算法.149 案例 7-1：决策树算法.151 7.2 GBDT 迭代决策树算法.153 案例 7-2：GBDT 迭代
15、决策树算法.154 7.3 SVM 向量机.156 案例 7-3：SVM 向量机算法.157 7.4 SVM-cross 向量机交叉算法.159 案例 7-4：SVM-cross 向量机交叉算法.160 7.5 神经网络算法.161 案例 7-5：MLP 神经网络算法.165 案例 7-6：MLP_reg 神经网络回归算法.168 零起点Python 机器学习快速入门 X 7.6 案例源码.170 第 8 章 机器学习组合算法.183 8.1 CCPP 数据集.183 案例 8-1：CCPP 数据集.184 案例 8-2：CCPP 数据切割.186 案例 8-3：读取 CCPP 数据集.189
16、 8.2 机器学习统一接口函数.192 案例 8-4：机器学习统一接口.193 案例 8-5：批量调用机器学习算法.201 案例 8-6：一体化调用.205 8.3 模型预制与保存.208 案例 8-7：储存算法模型.210 案例 8-8：批量储存算法模型.213 案例 8-9：批量加载算法模型.215 案例 8-10：机器学习组合算法.219 8.4 案例源码.224 附录 A Sklearn 常用模块和函数.242 附录 B 极宽量化系统模块图.266 第 1 章 从阿尔法狗开始说起 1.1 阿尔法狗的前世今生 百度百科的“阿尔法狗”词条是：阿尔法狗（AlphaGo）是一款围棋人工智能程序，由谷歌（Google）旗下 DeepMind 公司的戴密斯哈萨比斯、大卫席尔瓦、黄士杰与他们的团队开发，其主要工作原理是“深度学习”。2016 年 3 月，该程序与围棋世界冠军、职业九段选手李世石进行人机大战，并以 4:1 的总比分获胜。2016 年年末至 2017 年年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中国、日本、韩国数十位围棋高手进行快棋对决，连续 60 局无一
