|
|
|
本書以Python為開發語言，採用理論與實踐相結合的形式，系統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知識，包括機器學習的概念、分類、研究範圍、開發環境等，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：監督學習與無監督學習，涉及目前機器學習最為流行的經典算法和模型，如KNN、樸素貝葉斯、決策樹、線性回歸、邏輯回歸、SVM、神經網絡、PCA降維、KMeans，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據處理方法：特徵工程，特徵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化，通過評估判斷模型優劣，評估后利用優化方法使其達到生產需求；第6章介紹機器學習的應用案例，讓讀者更直觀地感受機器學習在生產生活中的實際用途。
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，提升開發能力。本書可作為高等學校計算機相關專業的教材，也可作為機器學習工程技術人員的參考用書。
