Rozdział 1. Klasyfikacja na podstawie najbliższego sąsiedztwa Subiektywne odczuwanie temperatury Implementacja algorytmu k najbliższych sąsiadów Mapa Włoch - przykład doboru wartości k Skalowanie danych - prognozowanie statusu własności Nieeuklidesowe metryki odległości punktów - klasyfikowanie tekstów Klasyfikowania tekstów ciąg dalszy - wielowymiarowy algorytm k-NN Problemy Subiektywne odczuwanie temperatury Mapa Włoch - przykład doboru wartości k Status własności Rozdział 2. Naiwny klasyfikator bayesowski Testy medyczne - podstawowe zastosowanie twierdzenia Bayesa Podstawowe twierdzenie Bayesa i jego rozszerzenie Twierdzenie Bayesa Rozszerzone twierdzenie Bayesa Zagramy w szachy? - niezależne zdarzenia warunkujące Implementacja naiwnego klasyfikatora bayesowskiego Zagramy w szachy? - częściowo zależne zdarzenia warunkujące Chłopak czy dziewczyna? - twierdzenie Bayesa dla ciągłych zmiennych losowych Rozdział 3. Drzewa decyzyjne Pływamy? - reprezentowanie danych w postaci drzewa decyzyjnego Elementy teorii informacji Entropia informacyjna Zysk informacyjny Pływamy? - obliczanie zysku informacyjnego Algorytm ID3 - konstruowanie drzewa decyzyjnego Pływamy? - budowanie drzewa decyzyjnego Implementacja w języku Python Klasyfikowanie danych za pomocą drzew decyzyjnych Przykład - pływamy czy nie? Przykład - gra w szachy pod chmurką Na zakupy - przykład niespójnych danych Rozdział 4. Lasy losowe Ogólne zasady konstruowania lasów losowych Pływamy? - klasyfikacja za pomocą lasu losowego Konstruowanie lasu losowego Klasyfikowanie cechy na podstawie lasu losowego Implementacja algorytmu konstruowania lasu losowego Przykład - zagramy w szachy? Konstruowanie lasu losowego Klasyfikacja w drodze głosowania Idziemy na zakupy? - wnioskowanie z niespójnych danych i miara wiarygodności wyniku Rozdział 5. Klasteryzacja Dochód gospodarstwa domowego - niski czy wysoki? Algorytm k-średnich Początkowy zbiór centroidów Wyznaczanie centroidu klastera Przykład - wykorzystanie algorytmu k-średnich do klasyfikacji dochodów Klasyfikowanie przez klasteryzację - prognozowanie płci nieznanej osoby Implementacja algorytmu k-średnich Status własności - dobór optymalnej liczby klasterów Klasyfikowanie dokumentów - semantyczne znaczenie klasteryzacji Rozdział 6. Analiza regresji Konwersja temperatur - regresja liniowa dla danych doskonałych Rozwiązanie analityczne Metoda najmniejszych kwadratów w regresji liniowej Implementacja analizy regresji liniowej w Pythonie Regresja dla danych pomiarowych - prognozowanie wagi na podstawie wzrostu Metoda spadku gradientowego i jej implementacja Szczegóły algorytmu Implementacja w Pythonie Przewidywanie czasu przelotu na podstawie odległości Obliczenia balistyczne - model nieliniowy Rozdział 7. Analiza szeregów czasowych Zysk w biznesie - analiza trendu Sprzedaż w sklepie internetowym - analiza sezonowości Analiza trendu Analiza sezonowości Dodatek A. Podstawy języka Python Przykład Komentarze Typy danych int float Napis Krotka Lista Zbiór Słownik Przepływ sterowania Instrukcje warunkowe Pętla for Pętla while Instrukcje break i continue Funkcje Wejście-wyjście programu Argumenty wywołania programu Operacje na plikach Dodatek B. Statystyka Podstawowe koncepcje Notacja Podstawowe pojęcia Wnioskowanie bayesowskie Rozkład normalny Gaussa Walidacja krzyżowa Testowanie A/B