第一篇 Python语言
第1章 Python简介 3
1.1 Python介绍 4
1.2 Python的环境配置 4
1.2.1 Python的安装 4
1.2.2 IPython的安装 7
1.2.3 PyCharm的安装 10
1.2.4 Anaconda的安装 16
1.3 本章小结 22
1.4 本章习题 22
第2章 Python人工智能之路——基础 23
2.1 书写格式和基本规则 24
2.2 数据类型 24
2.2.1 基本数据类型 24
2.2.2 特征数据类型 27
2.3 基本运算和表达式 31
2.3.1 变量 31
2.3.2 算术运算 31
2.4 基本流程控制 32
2.4.1 顺序控制 32
2.4.2 条件控制（选择控制） 32
2.4.3 循环控制 35
2.4.4 循环控制语句 37
2.5 函数 39
2.5.1 Python函数 39
2.5.2 参数 41
2.5.3 匿名函数 43
2.6 本章小结 45
2.7 本章习题 45
第3章 Python人工智能之路——进阶 47
3.1 正则表达式 48
3.1.1 基本语法和使用 48
3.1.2 贪婪匹配和非贪婪匹配 52
3.2 re模块的内置函数 53
3.2.1 匹配与搜索 53
3.2.2 切分与分组 57
3.3 图形绘制 61
3.3.1 Tkinter库的Canvas图形绘制方法 61
3.3.2 Turtle库的图形绘制方法 64
3.3.3 Matplotlib库的图形绘制方法 67
3.4 文件读/写 70
3.4.1 文本文件和二进制文件的区别 70
3.4.2 文件的打开和关闭 71
3.4.3 文件的读取、写入、追加 72
3.5 案例应用 73
3.5.1 猜数字 73
3.5.2 CSV文件读/写 73
3.5.3 Web服务器的构建 75
3.6 本章小结 77
3.7 本章习题 77
第4章 Python人工智能之路——第三方库 78
4.1 第三方库的安装和使用 79
4.1.1 第三方库的安装 79
4.1.2 第三方库的使用 81
4.2 NumPy库 81
4.2.1 NumPy库简介 81
4.2.2 NumPy库的应用 82
4.3 Pandas库 87
4.3.1 Pandas库简介 87
4.3.2 Series库简介 87
4.3.3 DataFrame库简介 93
4.3.4 数据分析和可视化 106
4.4 Sklearn库 108
4.4.1 Sklearn库简介 108
4.4.2 Sklearn库的应用 109
4.5 Keras库 113
4.5.1 Keras库简介 113
4.5.2 Keras库的应用 116
4.6 TensorFlow库 117
4.6.1 TensorFlow库简介 117
4.6.2 TensorFlow库的应用 118
4.7 本章小结 120
4.8 本章习题 121
第二篇 人工智能实战基础
第5章 数据预处理技术和方法 125
5.1 数据预处理概述 126
5.2 缺失值处理 126
5.3 特征编码 131
5.4 数据标准化和正则化 132
5.4.1 数据标准化 132
5.4.2 数据正则化 135
5.5 特征选择 135
5.5.1 过滤式特征选择 136
5.5.2 包裹式特征选择 138
5.5.3 嵌入式特征选择 139
5.6 稀疏表示和字典学习 140
5.7 主成分分析 141
5.8 本章小结 142
5.9 本章习题 142
第6章 KNN算法 144
6.1 KNN算法概述 145
6.1.1 KNN算法的基本原理 145
6.1.2 KNN算法的重要参数 146
6.1.3 KNN算法的特点 148
6.2 基于KNN算法的手写字识别 148
6.2.1 项目背景 148
6.2.2 项目实战 149
6.3 基于KNN算法的网站约会配对 152
6.3.1 项目背景 152
6.3.2 项目实战 153
6.4 基于KNN算法的乳腺癌诊断 156
6.4.1 项目背景 156
6.4.2 项目实战 157
6.5 本章小结 163
6.6 本章习题 163
第7章 回归分析应用 164
7.1 回归分析概述 165
7.1.1 回归分析的定义 165
7.1.2 线性回归 166
7.1.3 逻辑回归 168
7.1.4 多项式回归 170
7.1.5 回归模型的评价指标 171
7.2 基于线性回归预测鲍鱼年龄 173
7.2.1 项目背景 173
7.2.2 项目实战 174
7.3 基于逻辑回归的病马死亡率预测 178
7.3.1 项目背景 178
7.3.2 项目实战 178
7.4 多项式回归应用案例 180
7.4.1 项目背景 180
7.4.2 项目实战 181
7.5 本章小结 183
7.6 本章习题 184
第8章 其他机器学习技术 185
8.1 Apriori算法应用 186
8.1.1 Apriori关联分析概述 186
8.1.2 Apriori算法的原理和流程 188
8.1.3 Apriori算法实现 190
8.1.4 Apriori算法应用案例 195
8.2 决策树算法应用 196
8.2.1 决策树算法的基本概念 196
8.2.2 决策树构造算法 198
8.2.3 决策树应用案例 200
8.3 AdaBoost分类器应用 202
8.3.1 AdaBoost分类器概述 202
8.3.2 应用案例——泰坦尼克号生存率预测 204
8.4 网格搜索优化模型参数 208
8.4.1 网格搜索概述 208
8.4.2 网格搜索应用案例 211
8.5 本章小结 213
8.6 本章习题 214
第三篇 人工智能实战进阶
第9章 自然语言处理 217
9.1 自然语言处理简介 218
9.2 Python中文分词 219
9.2.1 项目背景 219
9.2.2 项目实战 229
9.3 TF-IDF算法解析 232
9.3.1 项目背景 232
9.3.2 项目实战 234
9.4 意图识别 236
9.4.1 项目背景 236
9.4.2 项目实战 238
9.5 最大熵模型 241
9.5.1 项目背景 241
9.5.2 项目实战 246
9.6 利用jieba库和Tkinter库进行信息检索 248
9.6.1 项目背景 248
9.6.2 项目实战 248
9.7 NLP词向量计算 250
9.7.1 项目背景 250
9.7.2 项目实战 255
9.8 本章小结 262
9.9 本章习题 262
第10章 语音识别 265
10.1 语音识别简介 266
10.2 Python+Keras实现IVA语音识别 267
10.2.1 项目背景 267
10.2.2 项目实战 267
10.3 基于百度智能云和图灵机器人的
语音交互 274
10.3.1 项目背景 274
10.3.2 项目实战 274
10.4 利用pyttsx3库合成文字语音 280
10.4.1 项目背景 280
10.4.2 项目实战 282
10.5 本章小结 284
10.6 本章习题 284
第11章 图像识别 286
11.1 图像识别简介 287
11.2 基于卷积神经网络的图像风格迁移 287
11.2.1 项目背景 287
11.2.2 项目实战 291
11.3 人脸识别技术 297
11.3.1 项目背景 297
11.3.2 项目实战 298
11.4 本章小结 303
11.5 本章习题 303
第12章 神经网络与深度学习 304
12.1 神经网络与深度学习简介 305
12.1.1 神经网络 305
12.1.2 深度学习 305
12.2 人工神经网络模型应用—鸢尾花分类 311
12.2.1 项目背景 311
12.2.2 项目实战 311
12.3 卷积神经网络模型 316
12.3.1 项目背景 316
12.3.2 项目实战 317
12.4 本章小结 327
12.5 本章习题 327
参考文献 328