第 1章 Python概述　1 1.1　Python簡(jiǎn)介　1 1.1.1　Python語(yǔ)言　1 1.1.2　Python與機(jī)器學(xué)習(xí)　1 1.1.3　Python環(huán)境配置　2 1.2　Python基礎(chǔ)知識(shí)　5 1.2.1　固定語(yǔ)法　5 1.2.2　運(yùn)算符　6 1.2.3　數(shù)據(jù)類(lèi)型　9 1.2.4　Python I/O　14 1.3　控制語(yǔ)句　17 1.3.1　條件語(yǔ)句　18 1.3.2　循環(huán)語(yǔ)句　20 1.4　函數(shù)　22 小結(jié)　25 課后習(xí)題　26 第　2章 NumPy數(shù)值計(jì)算　28 2.1　ndarray的創(chuàng)建與索引　28 2.1.1　創(chuàng)建ndarray　28 2.1.2　ndarray的索引和切片　33 2.2　ndarray的基礎(chǔ)操作　36 2.2.1　變換ndarray的形態(tài)　36 2.2.2　排序與搜索　42 2.3　ufunc　46 2.3.1　ufunc的廣播機(jī)制　46 2.3.2　常用ufunc運(yùn)算　47 小結(jié)　54 課后習(xí)題　54 第3章　pandas基礎(chǔ)　56 3.1　pandas常用類(lèi)　56 3.1.1　Series　56 3.1.2　DataFrame　60 3.1.3　Index　64 3.2　DataFrame基本操作　65 3.2.1　索引　66 3.2.2　排序　70 3.2.3　合并　73 3.3　其他數(shù)據(jù)類(lèi)型操作　78 3.3.1　時(shí)間操作　78 3.3.2　文本操作　87 3.3.3　category操作　90 小結(jié)　93 課后習(xí)題　93 第4章　pandas進(jìn)階　95 4.1　數(shù)據(jù)的讀取與寫(xiě)出　95 4.1.1　CSV　95 4.1.2　Excel　97 4.1.3　數(shù)據(jù)庫(kù)　98 4.2　DataFrame進(jìn)階　101 4.2.1　統(tǒng)計(jì)分析　101 4.2.2　分組運(yùn)算　106 4.2.3　透視表和交叉表　111 4.3　數(shù)據(jù)準(zhǔn)備　113 4.3.1　缺失值處理　113 4.3.2　重復(fù)數(shù)據(jù)處理　117 4.3.3　連續(xù)特征離散化處理　118 4.3.4　啞變量處理　120 小結(jié)　122 課后習(xí)題　122 第5章　Matplotlib繪圖　124 5.1　Matplotlib繪圖基礎(chǔ)　124 5.1.1　編程風(fēng)格　124 5.1.2　動(dòng)態(tài)rc參數(shù)　128 5.2　分析特征關(guān)系常用圖形　133 5.2.1　散點(diǎn)圖　133 5.2.2　折線圖　135 5.3　分析特征內(nèi)部數(shù)據(jù)狀態(tài)常用 圖形　137 5.3.1　直方圖與條形圖　138 5.3.2　餅圖　140 5.3.3　箱線圖　142 小結(jié)　144 課后習(xí)題　144 第6章　scikit-learn　146 6.1　數(shù)據(jù)準(zhǔn)備　146 6.1.1　標(biāo)準(zhǔn)化　146 6.1.2　歸一化　149 6.1.3　二值化　150 6.1.4　獨(dú)熱編碼　151 6.2　降維　153 6.2.1　PCA　154 6.2.2　ICA　158 6.2.3　LDA　162 6.3　分類(lèi)　166 6.3.1　Logistic回歸　166 6.3.2　SVM　171 6.3.3　決策樹(shù)　174 6.3.4　KNN　178 6.3.5　樸素貝葉斯　180 6.3.6　隨機(jī)森林　183 6.3.7　多層感知機(jī)　186 6.4　回歸　189 6.4.1　最小二乘回歸　191 6.4.2　嶺回歸　194 6.4.3　Lasso回歸　195 6.5　聚類(lèi)　198 6.5.1　K-Means　199 6.5.2　層次聚類(lèi)　202 6.5.3　DBSCAN　205 6.5.4　GMM　208 6.6　模型驗(yàn)證　212 6.6.1　數(shù)據(jù)集劃分　212 6.6.2　交叉驗(yàn)證　213 6.6.3　自動(dòng)調(diào)參　214 6.6.4　模型評(píng)價(jià)　217 小結(jié)　221 課后習(xí)題　221 第7章　餐飲企業(yè)綜合分析與預(yù)測(cè)　225 7.1　餐飲企業(yè)需求分析　225 7.1.1　餐飲企業(yè)現(xiàn)狀與需求　225 7.1.2　餐飲企業(yè)數(shù)據(jù)基本狀況　226 7.1.3　餐飲企業(yè)數(shù)據(jù)分析的步驟與流程　227 7.2　數(shù)據(jù)準(zhǔn)備　227 7.2.1　統(tǒng)計(jì)每日用餐人數(shù)與銷(xiāo)售額　227 7.2.2　數(shù)據(jù)預(yù)處理　229 7.3　使用K-Means算法進(jìn)行客戶(hù)價(jià)值分析　231 7.3.1　構(gòu)建RFM特征　231 7.3.2　構(gòu)建K-Means模型　233 7.3.3　K-Means模型結(jié)果分析　234 7.4　使用決策樹(shù)算法實(shí)現(xiàn)餐飲客戶(hù)流失預(yù)測(cè)　236 7.4.1　構(gòu)建客戶(hù)流失特征　236 7.4.2　構(gòu)建客戶(hù)流失預(yù)測(cè)模型　238 7.4.3　分析決策樹(shù)模型結(jié)果　239 小結(jié)　240 課后習(xí)題　240 第8章　通信運(yùn)營(yíng)商用戶(hù)流失分析與預(yù)測(cè)　242 8.1　通信運(yùn)營(yíng)商用戶(hù)流失需求分析　242 8.1.1　通信運(yùn)營(yíng)商現(xiàn)狀與需求　242 8.1.2　通信運(yùn)營(yíng)商數(shù)據(jù)基本情況　242 8.1.3　通信運(yùn)營(yíng)商用戶(hù)流失分析與預(yù)測(cè)的步驟與流程　243 8.2　數(shù)據(jù)準(zhǔn)備　244 8.2.1　數(shù)據(jù)去重與降維　244 8.2.2　數(shù)據(jù)清洗　245 8.2.3　數(shù)據(jù)合并　247 8.3　特征工程　251 8.3.1　獨(dú)熱編碼　251 8.3.2　合并預(yù)處理后的數(shù)據(jù)集　252 8.4　使用MLP算法實(shí)現(xiàn)通信運(yùn)營(yíng)商用戶(hù)流失預(yù)測(cè)　253 8.4.1　數(shù)據(jù)集劃分與數(shù)據(jù)標(biāo)準(zhǔn)化　253 8.4.2　構(gòu)建用戶(hù)流失預(yù)測(cè)模型　255 8.4.3　模型評(píng)價(jià)　255 小結(jié)　256 課后習(xí)題　256