前言
工具篇
第1章  绪论
  1.1  空中交通数据简介
  1.2  本书简介
第2章  Python编程基础
  2.1  Python概述
  2.2  Python语法简介
  2.3  Python容器
  2.4  函数
  2.5  模块
第3章  Numpy模块
  3.1  Numpy概述
  3.2  创建数组
  3.3  数组操作
  3.4  统计分析
第4章  Pandas模块
  4.1  Pandas概述
  4.2  Series对象
  4.3  Data Frame对象
  4.4  数据提取
  4.5  数据增删改
  4.6  数据排序和排名
  4.7  数据格式化显示
  4.8  数据统计
  4.9  其他数据操作
第5章  Matplotlib模块
  5.1  Matplotlib概述
  5.2  图表绘制流程
  5.3  常见图表绘制
理论篇
第6章  机器学习基础
  6.1  基本概念
  6.2  机器学习方法分类
  6.3  分类问题
  6.4  回归问题
  6.5  聚类问题
  6.6  模型评估和选择
  6.7  交叉验证
第7章  聚类算法
  7.1  聚类基本概念
  7.2  k均值算法
  7.3  DBSCAN算法
  7.4  聚类算法性能评估
第8章  朴素贝叶斯算法
  8.1  基础知识
  8.2  朴素贝叶斯算法的学习与分类原理
  8.3  基于极大似然估计的朴素贝叶斯分类算法
  8.4  基于贝叶斯估计的朴素贝叶斯分类算法
  8.5  sklearn中的贝叶斯算法类
  8.6  实例
第9章  决策树
  9.1  基本概念
  9.2  决策树学习模型
  9.3  基于信息增益的特征选择
  9.4  基于信息增益比的特征选择
  9.5  基于基尼指数的特征选择
  9.6  决策树生成算法
  9.7  sklearn中的Decision Tree Classifier类
  9.8  实例
第10章  集成学习
  10.1  基本概念
  10.2  Ada Boost算法
  10.3  随机森林算法
  10.4  算法比较
案例篇
第11章  综合案例
  11.1  航班延误预测分析
  11.2  机场聚类分析
参考文献