本书旨在帮助正走在或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学；另一方面又遇到入门难的问题，希望能有一本书、一本教材讲原理、给数据、给源码、给实验，带着入门。本着这样一个初衷，我们选择了机器学习领域析十大经典算法，把我们平常培养硕士研究生一年级刚入校学生的算法材料整理，开放提供给广大希望学习的读者朋友，写一本机器学习入门级的学习材料。每章完整的源代码扫描二维码即可下载，每个算法一个Python工程，实验数据就在每个工程的data文件夹下。代码风格尽量保持一致，让读者更容易理解。
本书可作为高等学校各专业“机器学习”及相关课程的教学参考书。

第1章 KNN
1.1 KNN算法原理
1.1.1 算法引入
1.1.2 科学问题
1.1.3 算法流程
1.1.4 算法描述
1.1.5 补充说明
1.2 KNN算法实现
1.2.1 简介
1.2.2 核心代码
1.3 实验数据
1.4 实验结果
1.4.1 结果展示
1.4.2 结果分析
第2章 朴素贝叶斯
2.1 朴素贝叶斯算法原理
2.1.1 朴素贝叶斯算法引入
2.1.2 科学问题
2.1.3 算法流程
2.1.4 算法描述
2.1.5 算法补充
2.2 朴素贝叶斯算法实现
2.2.1 简介
2.2.2 核心代码
2.3 实验数据
2.4 实验结果
2.4.1 结果展示
2.4.2 结果分析
第3章 C4.5
3.1 C4.5算法原理
3.1.1 C4.5算法引入
3.1.2 科学问题
3.1.3 算法流程
3.1.4 算法描述
3.1.5 补充说明
3.2 C4.5算法实现
3.2.1 简介
3.2.2 核心代码
3.3 实验数据
3.4 实验结果
3.4.1 结果展示
3.4.2 结果分析
第4章 SVM
4.1 SVM算法原理
4.1.1 算法引入
4.1.2 科学问题
4.1.3 算法流程
4.1.4 算法描述
4.1.5 补充说明
4.2 SVM算法实现
4.2.1 简介
4.2.2 核心代码
4.3 实验数据
4.4 实验结果
4.4.1 结果展示
4.4.2 结果分析
第5章 AdaBoost
5.1 AdaBoost算法原理
5.1.1 算法引入
5.1.2 科学问题
5.1.3 算法流程
5.1.4 算法描述
5.1.5 补充说明
5.2 AdaBoost算法实现
5.2.1 简介
5.2.2 核心代码
5.3 实验数据
5.4 实验结果
5.4.1 结果展示
5.4.2 结果分析
第6章 CART
6.1 CART算法原理
6.1.1 算法引入
6.1.2 科学问题
6.1.3 算法流程
6.1.4 算法描述
6.1.5 补充说明
6.2 CART算法实现
6.2.1 简介
6.2.2 核心代码
6.3 实验数据
6.4 实验结果
6.4.1 结果展示
6.4.2 结果分析
第7章 K-Means
7.1 K-Means算法原理
7.1.1 算法引入
7.1.2 科学问题
7.1.3 算法流程
7.1.4 算法描述
7.1.5 补充说明
7.2 K-Means算法实现
7.2.1 简介
7.2.2 核心代码
7.3 实验数据
7.4 实验结果
7.4.1 结果展示
7.4.2 结果分析
第8章 Apriori
8.1 Apriori算法原理
8.1.1 算法引入
8.1.2 科学问题
8.1.3 算法流程
8.1.4 算法描述
8.2 Apriori算法实现
8.2.1 简介
8.2.2 核心代码
8.3 实验数据
8.4 实验结果
8.4.1 结果展示
8.4.2 结果分析
第9章 PageRank
9.1 PageRank算法原理
9.1.1 PageRank算法引入
9.1.2 科学问题
9.1.3 算法流程
9.1.4 算法描述
9.2 PageRank算法实现
9.2.1 简介
9.2.2 核心代码
9.3 实验数据
9.4 实验结果
9.4.1 结果展示
9.4.2 结果分析
第10章 EM
10.1 EM算法原理
10.1.1 EM算法的引入
10.1.2 科学问题
10.1.3 理论推导
10.1.4 算法流程
10.1.5 算法描述
10.2 EM-GMM实现
10.2.1 简介
10.2.2 核心代码
10.3 实验数据
10.4 实验结果
10.4.1 结果展示
10.4.2 结果分析