PYTHON机器学习实例及代码分析——识别·预测·异常检测

机器学习作为实现人工智能的方法，是一种让计算机具备学习能力的数理技术。《Python机器学习实例及代码分析——识别·预测·异常检测》就以 Python为工具，结合实例和代码分析对机器学习中的异常检测和系列数据分析技术进行了详细解说。其中前半部分介绍了基本的分类器和预测器的使用方法，以便读者能够顺利地进行机器学习实践。后半部分以作者的研究经验为基础，介绍了一些应用于实际问题的例子。《Python机器学习实例及代码分析——识别·预测·异常检测》以解说实例源码为中心，特别适合有一定编程基础、对机器学习技术感兴趣的高校学生学习，也适合将机器学习技术应用于实际业务的工程师参考。

第1章机器学习是什么1.1什么是机器学习1.2机器学习所处环境的变化1.3关于本书1.4关于机器学习的书籍1.5机器学习的分类1.6机器学习的流程1.7 k邻域识别第2章基本的识别器、预测器2.1 决策树学习2.2贝叶斯分类器2.3逻辑回归2.4多层知觉器2.5支持向量机2.6线性回归2.7深度学习第3章对设备振动数据的异常检测3.1异常检测问题3.2 异常检测的评价方法3.3 典型的异常检测法3.4机器异常检测的应用例子3.5 特徴抽出3.6各种异常检测法的适用3.7总结3.8本章使用的源代码列表第4章 系列数据分析4.1睡眠数据4.2通过隐藏马尔可夫模型判断睡眠好坏