内容简介
本书面向初学者系统介绍机器学习算法的基本原理与编程实践，以Python语言为基础，通过89个示例、6个综合案例和156个示意图，帮助读者深入理解机器学习核心算法。书中包含11个微课视频，便于读者结合视频学习，同步提升理论与实践能力。
内容涵盖监督学习、无监督学习、半监督学习等主流算法，包括线性回归、逻辑回归、决策树、支持向量机、朴素贝叶斯、K近邻、集成学习、聚类算法、降维算法等。每章从算法原理出发，辅以数学推导和示意图，再通过Python编程实现具体案例，最后配备习题巩固知识。全书共131道习题，覆盖基础概念、算法推导和编程实践三个层次。
本书特色在于“原理+实践”并重，既避免纯理论枯燥，又防止脱离数学根基的盲目编程。编程部分采用Scikit-learn、NumPy、Pandas等常用库，代码简洁规范，适合初学者模仿学习。综合案例贴近真实应用场景，如鸢尾花分类、房价预测、文本情感分析等，帮助读者将算法转化为解决实际问题的能力。
本书适合计算机、数据科学、人工智能等专业本科生或研究生作为入门教材，也适合对机器学习感兴趣的开发者自学。配套微课视频和习题答案可通过出版社官网获取，方便教学与自测。
目录
作者介绍
第1章 机器学习概述
1.1 机器学习的概念和步骤
1.2 机器学习的预处理环节
1.3 机器学习的类型
1.4 机器学习的发展历史和应用领域
1.5 习题
第2章 Python机器学习与可视化
2.1 Python程序入门
2.2 Python数据分析工具
2.3 数据可视化—基于Matplotlib库
2.4 SciPy库
2.5 sklearn库
2.6 习题
第3章 关联规则与推荐算法
3.1 关联规则挖掘
3.2 推荐系统及算法
3.3 利用协同过滤推荐算法实现电影节目推荐
3.4 习题
第4章 聚类
第1章 机器学习概述
1.1 机器学习的概念和步骤
1.2 机器学习的预处理环节
1.3 机器学习的类型
1.4 机器学习的发展历史和应用领域
1.5 习题
第2章 Python机器学习与可视化
2.1 Python程序入门
2.2 Python数据分析工具
2.3 数据可视化—基于Matplotlib库
2.4 SciPy库
2.5 sklearn库
2.6 习题
第3章 关联规则与推荐算法
3.1 关联规则挖掘
3.2 推荐系统及算法
3.3 利用协同过滤推荐算法实现电影节目推荐
3.4 习题
第4章 聚类
免责申明：
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，没有任何商业目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48时间内予以删除。
1. 本站分享的所有书籍均来源于自互联网，我们只进行收集整理，并不对书籍内容进行更改。
2. 部分书籍中可能有书籍压制者放置的广告，这并不是本站所为，请注意甄别。
3. 我们分享这些书籍，纯粹是出于知识分享的热情，以及对互联网分享精神的高度认同和践行，没有任何商业目的。
4. 本站分享的所有书籍，仅供个人学习研究使用，请勿用于任何商业用途，否则产生的一切法律纠纷与本站无关。
5. 如果这些书籍让你有所收获，在条件允许的情况下，请一定购买正版书籍，这是对创作者最好的支持。
6. 如果您是此书籍的版权所有者，且您不希望此作品出现在本站，请联系我们，我们将在收到您的请求后48时间内予以删除。
📖 支持知识自由流动
这本书的持续提供，需要服务器运行成本支持（约 3.7元/小时）
