最新章節

• 24.5 貝葉斯分類器圈選出分類的范圍
• 24.4 numpy.meshgrid方法
• 24.3 貝葉斯分類器圖形化
• 24.2 貝葉斯分類器實戰案例
• 24.1 貝葉斯分類器數學原理
• 第24章 機器學習算法——貝葉斯分類器

• 24.5 貝葉斯分類器圈選出分類的范圍 更新時間：2022-07-27 18:54:20
• 24.4 numpy.meshgrid方法
• 24.3 貝葉斯分類器圖形化
• 24.2 貝葉斯分類器實戰案例
• 24.1 貝葉斯分類器數學原理
• 第24章 機器學習算法——貝葉斯分類器
• 23.3 隨機森林圖形化
• 23.2 隨機森林函數
• 23.1 隨機森林算法數學原理
• 第23章 機器學習算法——隨機森林算法
• 22.3 決策樹圖形化呈現結果
• 22.2 sklearn的DecisionTreeClassifier決策樹
• 22.1 決策樹數學介紹——Gini系數
• 第22章 機器學習算法——決策樹算法
• 21.4 k-means實戰案例圖形化呈現結果
• 21.3 k-means實戰案例
• 21.2 sklearn的k-means類
• 21.1 k-means數學介紹
• 第21章 機器學習算法——k-means平均算法
• 20.3 實戰案例——鳶尾花的種類判斷
• 20.2 使用sklearn的kNN判斷水果種類
• 20.1 kNN數學介紹
• 第20章 機器學習算法——kNN最近鄰居法
• 19.9 實戰案例——糖尿病數據集
• 19.8 實戰案例——動物大腦和身體的關系
• 19.7 使用scikit-learn的linear_model函數求線性回歸
• 19.6 殘差
• 19.5 隨機數數據
• 19.4 回歸分析繪圖
• 19.3 回歸分析數學介紹
• 19.2 機器學習的數據準備
• 19.1 數據準備
• 第19章 機器學習算法——Regression回歸分析
• 18.2 pyinstaller安裝步驟
• 18.1 pyinstaller功能介紹和安裝
• 第18章 使用pyinstaller生成運行文件
• 17.10 不同尺寸的矩陣相加
• 17.9 邏輯判斷
• 17.8 統計
• 17.7 利用數組進行數據計算處理
• 17.6 數據模式
• 17.5 花式索引
• 17.4 多維數組的切片
• 17.3 多維數組的索引
• 17.2 NumPy默認數組
• 17.1 矩陣數據初始化
• 第17章 NumPy矩陣運算數學函數庫
• 16.11 畫出股票的走勢圖和箱形圖
• 16.10 計算股價浮動和每月的變化
• 16.9 邏輯判斷——找出股價高點
• 16.8 統計相關計算
• 16.7 實戰分析Apple公司股價
• 16.6 計算
• 16.5 DataFrame
• 16.4 讀入網絡上的表格
• 16.3 使用pandas讀入和存儲CSV的文本內容
• 16.2 使用pandas讀入和存儲Excel的文件
• 16.1 安裝
• 第16章 pandas數據分析和量化投資
• 15.4 實戰練習
• 15.3 實戰案例——獲取柯博文老師的博客文章
• 15.2 BeautifulSoup的函數和屬性
• 15.1 網絡爬蟲——取得網絡文章內容
• 第15章 網絡爬蟲與BeautifulSoup4
• 14.5 取得HTTP POST所傳遞的數據
• 14.4 取得HTTP GET所傳遞的數據
• 14.3 顯示HTTP內容
• 14.2 開發自己的網頁服務器
• 14.1 Python網頁服務器
• 第14章 網絡服務器
• 13.4 AIML語法教程——變量
• 13.3 AIML語法教程——隨機對話
• 13.2 中文機器人
• 13.1 人工智能標記語言AIML介紹
• 第13章 人工智能標記語言AIML
• 12.7 網絡文章的重點
• 12.6 排列出最常出現的分詞
• 12.5 移除用詞和自定比重分數
• 12.4 取出斷詞位置
• 12.3 自定分詞
• 12.2 分析文件的文字
• 12.1 中文分詞斷詞工具
• 第12章 自然語言處理——中文簡體和繁體轉換
• 11.7 刪除和修改數據庫數據——DELETE和UPDATA
• 11.6 取得數據——select
• 11.5 創建數據庫數據——insert
• 11.4 打開數據庫——MySQL-python和pymysql
• 11.3 創建數據庫——Add database
• 11.2 創建數據庫用戶——Add User
• 11.1 下載和裝載MySQL數據庫
• 第11章 數據庫
• 10.4 JSON
• 10.3 可擴展標記式語言XML
• 10.2 超文本傳輸協議HTTP POST
• 10.1 超文本傳輸協議HTTP GET
• 第10章 網絡
• 9.6 讀入、處理和存儲CSV文件——氣象風暴數據
• 9.5 讀入Excel文件
• 9.4 文件夾
• 9.3 文件復制、刪除和列出所有文件
• 9.2 保存
• 9.1 開放數據介紹
• 第9章 文件處理和開放數據
• 8.6 在窗口程序中顯示圖表
• 8.5 顯示圖片
• 8.4 畫面切割
• 8.3 畫點
• 8.2 畫線
• 8.1 Matplotlib介紹
• 第8章 圖表函數庫Matplotlib
• 7.7 Tuple序列
• 7.6 Set序列集集合比較
• 7.5 Dictionarie字典
• 7.4 Slicing切片
• 7.3 List的數學處理
• 7.2 List數組數據的多樣性
• 7.1 List數組
• 第7章 數據容器Containers
• 6.8 繪圖Canvas
• 6.7 輸入框Entry
• 6.6 消息窗口tkMessageBox
• 6.5 按鍵Button
• 6.4 顯示圖片Image
• 6.3 文字Label
• 6.2 窗口
• 6.1 窗口GUI函數庫
• 第6章 窗口處理GUI Tkinter
• 5.13 調用父類的屬性
• 5.12 調用父類函數
• 5.11 多重繼承
• 5.10 繼承——OOP面向對象
• 5.9 把類獨立成另一個文件
• 5.8 設置公開、私有的類函數方法
• 5.7 類中調用其他的函數方法
• 5.6 類中的屬性（Property）
• 5.5 類中的函數方法（Method）
• 5.4 類的初始化預定義值
• 5.3 類（class）
• 5.2 import導入和開發
• 5.1 開發函數（def）
• 第5章 函數和面向對象OOP
• 4.10 while循環語法
• 4.9 UTF-8中文文字編碼和文字輸入
• 4.8 for循環
• 4.7 range范圍
• 4.6 Array數組——List
• 4.5 if…else條件判斷語句
• 4.4 Python打印
• 4.3 Python數學計算
• 4.2 Python數據模式
• 4.1 Python注釋
• 第4章 Python程序基礎
• 3.11 本書需要安裝的第三方函數庫列表
• 3.10 pip安裝包
• 3.9 使用Anaconda
• 3.8 安裝Anaconda
• 3.7 安裝其他的Packages函數庫
• 3.6 調試
• 3.5 創建項目
• 3.4 PyCharm工具介紹
• 3.3 開發和調試工具——PyCharm下載和安裝
• 3.2 我的第一個Python程序（Mac、Linux和樹莓派版）
• 3.1 我的第一個Python程序（Windows版）
• 第3章 開發程序和工具
• 2.6 Linux和樹莓派中測試與運行Python
• 2.5 Linux和樹莓派中安裝Python
• 2.4 Mac操作系統中測試與運行Python
• 2.3 Mac操作系統中安裝Python
• 2.2 Windows操作系統中測試與運行Python
• 2.1 Windows操作系統中安裝Python
• 第2章 安裝和運行Python開發環境
• 1.3 Python版本
• 1.2 Python歷史
• 1.1 Python程序語言的介紹
• 第1章 Python程序語言
• 前言
• 插圖
• 內容簡介
• 作者簡介
• 版權信息
• 封面

• 封面
• 版權信息
• 作者簡介
• 內容簡介
• 插圖
• 前言
• 第1章 Python程序語言
• 1.1 Python程序語言的介紹
• 1.2 Python歷史
• 1.3 Python版本
• 第2章 安裝和運行Python開發環境
• 2.1 Windows操作系統中安裝Python
• 2.2 Windows操作系統中測試與運行Python
• 2.3 Mac操作系統中安裝Python
• 2.4 Mac操作系統中測試與運行Python
• 2.5 Linux和樹莓派中安裝Python
• 2.6 Linux和樹莓派中測試與運行Python
• 第3章 開發程序和工具
• 3.1 我的第一個Python程序（Windows版）
• 3.2 我的第一個Python程序（Mac、Linux和樹莓派版）
• 3.3 開發和調試工具——PyCharm下載和安裝
• 3.4 PyCharm工具介紹
• 3.5 創建項目
• 3.6 調試
• 3.7 安裝其他的Packages函數庫
• 3.8 安裝Anaconda
• 3.9 使用Anaconda
• 3.10 pip安裝包
• 3.11 本書需要安裝的第三方函數庫列表
• 第4章 Python程序基礎
• 4.1 Python注釋
• 4.2 Python數據模式
• 4.3 Python數學計算
• 4.4 Python打印
• 4.5 if…else條件判斷語句
• 4.6 Array數組——List
• 4.7 range范圍
• 4.8 for循環
• 4.9 UTF-8中文文字編碼和文字輸入
• 4.10 while循環語法
• 第5章 函數和面向對象OOP
• 5.1 開發函數（def）
• 5.2 import導入和開發
• 5.3 類（class）
• 5.4 類的初始化預定義值
• 5.5 類中的函數方法（Method）
• 5.6 類中的屬性（Property）
• 5.7 類中調用其他的函數方法
• 5.8 設置公開、私有的類函數方法
• 5.9 把類獨立成另一個文件
• 5.10 繼承——OOP面向對象
• 5.11 多重繼承
• 5.12 調用父類函數
• 5.13 調用父類的屬性
• 第6章 窗口處理GUI Tkinter
• 6.1 窗口GUI函數庫
• 6.2 窗口
• 6.3 文字Label
• 6.4 顯示圖片Image
• 6.5 按鍵Button
• 6.6 消息窗口tkMessageBox
• 6.7 輸入框Entry
• 6.8 繪圖Canvas
• 第7章 數據容器Containers
• 7.1 List數組
• 7.2 List數組數據的多樣性
• 7.3 List的數學處理
• 7.4 Slicing切片
• 7.5 Dictionarie字典
• 7.6 Set序列集集合比較
• 7.7 Tuple序列
• 第8章 圖表函數庫Matplotlib
• 8.1 Matplotlib介紹
• 8.2 畫線
• 8.3 畫點
• 8.4 畫面切割
• 8.5 顯示圖片
• 8.6 在窗口程序中顯示圖表
• 第9章 文件處理和開放數據
• 9.1 開放數據介紹
• 9.2 保存
• 9.3 文件復制、刪除和列出所有文件
• 9.4 文件夾
• 9.5 讀入Excel文件
• 9.6 讀入、處理和存儲CSV文件——氣象風暴數據
• 第10章 網絡
• 10.1 超文本傳輸協議HTTP GET
• 10.2 超文本傳輸協議HTTP POST
• 10.3 可擴展標記式語言XML
• 10.4 JSON
• 第11章 數據庫
• 11.1 下載和裝載MySQL數據庫
• 11.2 創建數據庫用戶——Add User
• 11.3 創建數據庫——Add database
• 11.4 打開數據庫——MySQL-python和pymysql
• 11.5 創建數據庫數據——insert
• 11.6 取得數據——select
• 11.7 刪除和修改數據庫數據——DELETE和UPDATA
• 第12章 自然語言處理——中文簡體和繁體轉換
• 12.1 中文分詞斷詞工具
• 12.2 分析文件的文字
• 12.3 自定分詞
• 12.4 取出斷詞位置
• 12.5 移除用詞和自定比重分數
• 12.6 排列出最常出現的分詞
• 12.7 網絡文章的重點
• 第13章 人工智能標記語言AIML
• 13.1 人工智能標記語言AIML介紹
• 13.2 中文機器人
• 13.3 AIML語法教程——隨機對話
• 13.4 AIML語法教程——變量
• 第14章 網絡服務器
• 14.1 Python網頁服務器
• 14.2 開發自己的網頁服務器
• 14.3 顯示HTTP內容
• 14.4 取得HTTP GET所傳遞的數據
• 14.5 取得HTTP POST所傳遞的數據
• 第15章 網絡爬蟲與BeautifulSoup4
• 15.1 網絡爬蟲——取得網絡文章內容
• 15.2 BeautifulSoup的函數和屬性
• 15.3 實戰案例——獲取柯博文老師的博客文章
• 15.4 實戰練習
• 第16章 pandas數據分析和量化投資
• 16.1 安裝
• 16.2 使用pandas讀入和存儲Excel的文件
• 16.3 使用pandas讀入和存儲CSV的文本內容
• 16.4 讀入網絡上的表格
• 16.5 DataFrame
• 16.6 計算
• 16.7 實戰分析Apple公司股價
• 16.8 統計相關計算
• 16.9 邏輯判斷——找出股價高點
• 16.10 計算股價浮動和每月的變化
• 16.11 畫出股票的走勢圖和箱形圖
• 第17章 NumPy矩陣運算數學函數庫
• 17.1 矩陣數據初始化
• 17.2 NumPy默認數組
• 17.3 多維數組的索引
• 17.4 多維數組的切片
• 17.5 花式索引
• 17.6 數據模式
• 17.7 利用數組進行數據計算處理
• 17.8 統計
• 17.9 邏輯判斷
• 17.10 不同尺寸的矩陣相加
• 第18章 使用pyinstaller生成運行文件
• 18.1 pyinstaller功能介紹和安裝
• 18.2 pyinstaller安裝步驟
• 第19章 機器學習算法——Regression回歸分析
• 19.1 數據準備
• 19.2 機器學習的數據準備
• 19.3 回歸分析數學介紹
• 19.4 回歸分析繪圖
• 19.5 隨機數數據
• 19.6 殘差
• 19.7 使用scikit-learn的linear_model函數求線性回歸
• 19.8 實戰案例——動物大腦和身體的關系
• 19.9 實戰案例——糖尿病數據集
• 第20章 機器學習算法——kNN最近鄰居法
• 20.1 kNN數學介紹
• 20.2 使用sklearn的kNN判斷水果種類
• 20.3 實戰案例——鳶尾花的種類判斷
• 第21章 機器學習算法——k-means平均算法
• 21.1 k-means數學介紹
• 21.2 sklearn的k-means類
• 21.3 k-means實戰案例
• 21.4 k-means實戰案例圖形化呈現結果
• 第22章 機器學習算法——決策樹算法
• 22.1 決策樹數學介紹——Gini系數
• 22.2 sklearn的DecisionTreeClassifier決策樹
• 22.3 決策樹圖形化呈現結果
• 第23章 機器學習算法——隨機森林算法
• 23.1 隨機森林算法數學原理
• 23.2 隨機森林函數
• 23.3 隨機森林圖形化
• 第24章 機器學習算法——貝葉斯分類器
• 24.1 貝葉斯分類器數學原理
• 24.2 貝葉斯分類器實戰案例
• 24.3 貝葉斯分類器圖形化
• 24.4 numpy.meshgrid方法
• 24.5 貝葉斯分類器圈選出分類的范圍 更新時間：2022-07-27 18:54:20