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3-1：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
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
5.4 数据切割函数 98
案例5-3：Iris 爱丽丝分解 99
案例5-4：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
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
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