当前，人工智能正在改变世界，人工智能已经上升至国家战略高度，面对人工智能在教育界掀起的层层浪花，本书针对人工智能知识谱系庞杂的问题，聚集人工智能教育在阶段性教育中出现的断层现象，基于信息技术学科教育教学研究实践，以机器学习K近邻、决策树、随机森林、支持向量机、神经网络等18个经典的算法原理解析和具体应用为切入点，以Python编程IDE为操作工具，通过理论阐释、案例分析、编程实践，带领读者拨开迷雾，明晰路径，体验机器学习算法的奇妙，领略人工智能科学的精妙，获取人工智能“学什么、怎么学、怎么用”的方法。
本书内容包括概述、分类、回归、聚类、关联分析、数据预处理和人工神经网络等内容。算法原理解析中所涉及的教学等晦涩内容都以知识窗的形式一一讲解，表述通俗易懂；算法具体应用中的案例典型生动，编程代码具体详细，力求让人工智能思想落地，直观地展现于读者面前。
本书主要面向基础教育阶段信息技术学科教师、高中学生以及计算机相关专业的大中专学生和对人工智能领域感兴趣的大众读者，也可作为人工智能课程的学习材料。

宁可为，博士，硕士研究生导师，乌鲁木齐市教育研究中心信息技术教研员，曾任乌鲁木齐市信息技术名师工作室主持人。主要研究方向：中小学信息技术教育、计算机支持的协作学习（CSCL）。近年来在国内核心期刊发表论文多篇，主持并参与省部级科研项目多项。精通C、C#、Java等多种高级程序设计语言，在软件开发方面有丰富的产品开发经验。

第一部分 概述
第1章 人工智能基础
1.1 人工智能
1.1.1 人工智能的由来
1.1.2 人工智能学科
1.2 机器学习
1.2.1 机器学习简介
1.2.2 机器学习的类别
1.2.3 机器学习的应用
本章小结
第2章 Python环境搭建
2.1 软件的下载与安装
2.1.1 平台一：海龟编辑器
2.1.2 平台二：PyCharm
2.2 必需库功能简介
2.2.1 numpy——基础科学计算库
2.2.2 SciPy——科学计算工具集
2.2.3 Pandas——数据分析利器
2.2.4 matplotlib——图形绘制法宝
2.2.5 Sklearn—机器学习神器
本章小结
第二部分 分类
第3章 K近邻算法
3.1 K近邻算法的原理
3.2 K近邻算法的应用
3.2.1 K近邻算法的常用参数
3.2.2 应用案例一：小说分类
3.2.3 应用案例二：糖尿病诊断
3.3 K近邻算法的特点
本章小结
第4章 决策树
4.1 决策树的原理
4.1.1 决策树的分类过程
4.1.2 决策树的具体组成
4.1.3 构建决策树的相关概念
4.2 决策树的构建
4.2.1 建树
4.2.2 剪枝
4.3 决策树的应用
4.3.1 环境补充搭建
4.3.2 决策树的常用参数
4.3.3 应用案例：影院会员观影喜好分析
4.4 决策树的特点
本章小结
第5章 随机森林
5.1 随机森林的原理
5.1.1 集成学习
5.1.2 随机森林的分类过程
……
第三部分 回归
第四部分 聚类
第五部分 关联分析
第六部分 数据预处理
第七部分 人工神经网络