机器学习案例分析（基于Python语言）

本书共5 章内容，主要结合目前流行的人工智能编程语言Python 对机器学习案例进行分析，介绍
机器学习的相关理论，并展示使用机器学习方法解决实际应用问题的具体过程。本书包括基础知识、
分类案例、聚类案例、回归预测案例和综合案例，力争通过通俗易懂的案例和代码分析使读者快速掌
握机器学习的具体应用方法。本书既适合计算机相关专业人员，也适合非计算机相关专业人员阅读。
理论性强，较难理解的内容统一放在了附录A 中，这部分内容适合具备一定理论基础、对机器学习理
论推导有兴趣的读者。
本书可以作为我国高校计算机专业学生和非计算机专业理工科学生机器学习入门课程的教材。

共分为4个部分：1、基础知识：主要介绍机器学习的基本概念、Python的基础知识、常用第三方库，并结合网络爬虫及信息提取案例和股票数据图表绘制案例使读者对本部分内容有更好的理解。2、有监督分类案例：包括Iris数据分类、新闻文本数据分类、手写数字图像识别和场景文字检测共4个案例。3、无监督聚类案例：包括人脸图像聚类和文本聚类共2个案例。4、回归预测案例：包括房价预测、员工离职预测和广告点击率预测共3个案例。

北京海云捷迅科技有限公司(AWcloud)，国内领先的企业级OpenStack云服务提供商。总部位于北京中关村高新技术园区，拥有行业内最专业的研发。海云捷迅以OpenStack为契机，与包括Intel、HP、Oracle、Canonical、东软等企业在内的国内外各大软硬件厂商及IT服务提供商建立了紧密的战略合作关系，构建了一套完整的OpenStack服务生态体系，为企业提供基于OpenStack的私有云、混合云、融合计算等解决方案，为IDC企业提供联合运营服务。此外，还为客户提供OpenStack的架构咨询、设计、实施、培训、运维等一条龙服务。　　截至目前，海云捷迅已经部署物理服务器超过2000台，运行云主机的规模超过30000台，客户遍及高校、科研院所、新媒体、医疗、IDC、电力、公众服务等领域，在同行业中居于领先地位。王恺，博士，副教授/硕士生导师，公共计算机基础教学部副主任。研究兴趣包括计算机视觉和机器学习，主持国家级、省部级及校企合作项目10余项，在国内外重要期刊/会议上发表科研论文30余篇。主讲《计算机基础（理）》、《数据结构与算法》、《Python和机器学习入门》、《Python和数据分析基础》等课程，出版教材11部。

第1 章 基础知识 ………………………………………………………………………………………………….. 001
1.1 机器学习简介 …………………………………………………………………………………………. 002
1.1.1 基本概念 ………………………………………………………………………………………. 002
1.1.2 机器学习分类 ……………………………………………………………………………….. 003
1.2 Python 基础 ……………………………………………………………………………………………. 005
1.2.1 Python 编程环境 …………………………………………………………………………… 005
1.2.2 基本数据类型 ……………………………………………………………………………….. 011
1.2.3 分支语句和循环语句 …………………………………………………………………….. 018
1.2.4 函数 ……………………………………………………………………………………………… 021
1.2.5 类和对象 ………………………………………………………………………………………. 025
1.2.6 打开、关闭、读/写文件 ………………………………………………………………… 028
1.2.7 异常处理 ………………………………………………………………………………………. 031
1.3 常用第三方库 …………………………………………………………………………………………. 033
1.3.1 NumPy …………………………………………………………………………………………. 033
1.3.2 SciPy ……………………………………………………………………………………………. 039
1.3.3 Pandas …………………………………………………………………………………………. 041
1.3.4 Matplotlib …………………………………………………………………………………….. 053
1.3.5 Scikit-learn ………………………………………………………………………………….. 056
1.4 案例分析 ………………………………………………………………………………………………… 058
1.4.1 网络爬虫及信息提取 …………………………………………………………………….. 058
1.4.2 股票数据图表绘制 ………………………………………………………………………… 063
1.5 本章小结 ………………………………………………………………………………………………… 069
1.6 参考文献 ………………………………………………………………………………………………… 069
第2 章 分类案例 …………………………………………………………………………………………………. 071
2.1 员工离职预测 …………………………………………………………………………………………. 072
2.1.1 问题描述及数据集获取 …………………………………………………………………. 072
2.1.2 求解思路和相关知识介绍 ……………………………………………………………… 073
2.1.3 代码实现及分析 ……………………………………………………………………………. 076
2.2 Iris 数据分类 …………………………………………………………………………………………… 081
2.2.1 问题描述及数据集获取 …………………………………………………………………. 081
2.2.2 求解思路和相关知识介绍 ……………………………………………………………… 082
2.2.3 代码实现及分析 ……………………………………………………………………………. 089
2.3 新闻文本分类 …………………………………………………………………………………………. 099
2.3.1 问题描述及数据集获取 …………………………………………………………………. 099
2.3.2 求解思路和相关知识介绍 ……………………………………………………………… 100
2.3.3 代码实现及分析 ……………………………………………………………………………. 113
2.4 手写数字识别 …………………………………………………………………………………………. 128
2.4.1 问题描述及数据集获取 …………………………………………………………………. 128
2.4.2 求解思路和相关知识介绍 ……………………………………………………………… 129
2.4.3 代码实现及分析 ……………………………………………………………………………. 134
2.5 本章小结 ………………………………………………………………………………………………… 139
2.6 参考文献 ………………………………………………………………………………………………… 139
第3 章 聚类案例 …………………………………………………………………………………………………. 143
3.1 人脸图像聚类 …………………………………………………………………………………………. 144
3.1.1 问题描述及数据集获取 …………………………………………………………………. 144
3.1.2 求解思路和相关知识介绍 ……………………………………………………………… 146
3.1.3 代码实现及分析 ……………………………………………………………………………. 150
3.2 文本聚类 ………………………………………………………………………………………………… 162
3.2.1 问题描述及数据集获取 …………………………………………………………………. 162
3.2.2 求解思路和相关知识介绍 ……………………………………………………………… 163
3.2.3 代码实现及分析 ……………………………………………………………………………. 167
3.3 本章小结 ………………………………………………………………………………………………… 173
3.4 参考文献 ………………………………………………………………………………………………… 174
第4 章 回归预测案例 ………………………………………………………………………………………….. 175
4.1 房价预测 ………………………………………………………………………………………………… 176
4.1.1 问题描述及数据集获取 …………………………………………………………………. 176
4.1.2 求解思路和相关知识介绍 ……………………………………………………………… 177
4.1.3 代码实现及分析 ……………………………………………………………………………. 184
4.2 基于LSTM 的股票走势预测 ……………………………………………………………………. 191
4.2.1 问题描述及数据集获取 …………………………………………………………………. 191
4.2.2 求解思路和相关知识介绍 ……………………………………………………………… 192
目 录
XI
4.2.3 代码实现及分析 ……………………………………………………………………………. 197
4.3 本章小结 ………………………………………………………………………………………………… 204
4.4 参考文献 ………………………………………………………………………………………………… 204
第5 章 综合案例………………………………………………………………………………………………….. 206
5.1 场景文本检测 ………..

众所周知，我们正在进入一个全面科技创新的时代。科技创新驱动并引领着人类社
会的发展，从人工智能、自动驾驶、5G，到精准医疗、机器人等，所有这些领域的突破
都离不开科技的创新，也离不开计算的创新。从CPU、GPU，到FPGA、ASIC，再到未
来的神经拟态计算、量子计算等，英特尔正在全面布局未来的端到端计算创新，以充分
释放数据的价值。中国拥有巨大的市场和引领全球创新的需求，其产业生态的全面性及
企业创新的实力、活力和速度都令人瞩目。英特尔始终放眼长远，以丰富的生态经验和
广阔的全球视野，持续推动与中国产业生态的合作共赢。以此为前提，英特尔在2018
年建立了英特尔? FPGA 中国创新中心，与Dell、海云捷迅等合作伙伴携手共建AI 和
FPGA 生态，并通过组织智能大赛、产学研对接及培训认证等方式，发掘优秀团队，培
养专业人才，孵化应用创新，加速智能产业在中国的发展。
该系列丛书是英特尔? FPGA 中国创新中心专为AI 和FPGA 领域的人才培养和认证
而设计编撰的系列丛书，非常高兴作为英特尔? FPGA 中国创新中心总经理为丛书写序。
同时也希望该系列丛书能为中国AI 和FPGA 相关产业的生态建设和人才培养添砖加瓦！
英特尔? FPGA 中国创新中心总经理 张 瑞
2019 年秋