本書以Python為開發(fā)語言，采用理論與實踐相結(jié)合的形式，系統(tǒng)全面地介紹了機器學習涉及的核心知識。本書共6章，其中第1章介紹機器學習的基礎(chǔ)知識，包括機器學習的概念、分類、研究范圍、開發(fā)環(huán)境等，介紹第一個機器學習案例； 第2、3章介紹機器學習的主要方法： 監(jiān)督學習與無監(jiān)督學習，涉及目前機器學習最為流行的經(jīng)典算法和模型，如KNN、樸素貝葉斯、決策樹、線性回歸、邏輯回歸、SVM、神經(jīng)網(wǎng)絡(luò)、PCA降維、K�睲eans，每個算法模型都配有代碼及可視化演示，讓讀者能更直觀形象地理解機器學習； 第4章介紹機器學習非常重要的數(shù)據(jù)處理方法： 特征工程，特征工程能進一步提高機器學習算法的性能； 第5章介紹機器學習模型的評估與優(yōu)化，通過評估判斷模型優(yōu)劣，評估后利用優(yōu)化方法使其達到生產(chǎn)需求； 第6章介紹機器學習的應(yīng)用案例，讓讀者更直觀地感受機器學習在生產(chǎn)生活中的實際用途。
本書附有配套教學課件、源代碼、習題，供讀者實踐，旨在通過邊學邊練的方式，鞏固所學知識，提升開發(fā)能力。
本書可作為高等學校計算機相關(guān)專業(yè)的教材，也可作為機器學習工程技術(shù)人員的參考用書。