Python是当前流行的编程语言，简单易学、应用广泛。本书以Python为基础开发语言，全面系统地讲解了机器学习的相关知识。本书共9章，主要包括机器学习的基本概念，Python及其库的入门，机器学习中常用算法的理论介绍、项目实现和优缺点分析，数据预处理，特征工程，模型评估及改进，综合实战等。
本书可作为本科院校和职业院校计算机相关专业的教材，还可作为社会培训机构的教材，也适合计算机爱好者自学使用。

第1章 概述
1.1 什么是机器学习
1.2 机器学习的算法
1.3 监督学习
1.4 无监督学习
1.5 数据集
1.6 机器学习项目的流程
1.7 小结
习题
第2章 Python入门
2.1 Python语言介绍
2.2 Python平台搭建
2.3 Python的基本概念
2.3.1 数据类型
2.3.2 基本运算
2.3.3 控制语句
2.3.4 复杂数据类型
2.3.5 函数
2.4 Python库的使用
2.5 小结
习题
第3章 分类算法
3.1 K近邻算法
3.1.1 算法介绍
3.1.2 算法应用
3.1.3 算法的优缺点
3.2 朴素贝叶斯算法
3.2.1 算法介绍
3.2.2 算法实现
3.2.3 算法的优缺点
3.3 逻辑回归
3.3.1 算法介绍
3.3.2 算法实现
3.3.3 算法的优缺点
3.4 支持向量机
3.4.1 算法介绍
3.4.2 算法实现
3.4.3 算法的优缺点
3.5 决策树
3.5.1 算法介绍
3.5.2 算法实现
3.5.3 算法的优缺点
3.6 随机森林
3.6.1 算法介绍
3.6.2 算法实现
3.6.3 算法的优缺点
3.7 人工神经网络
3.7.1 算法介绍
3.7.2 项目实现
3.7.3 算法的优缺点
3.8 分类器的不确定性
3.8.1 决策函数
3.8.2 预测函数
3.8.3 多分类的不确定性
3.9 小结
习题
第4章 回归算法
4.1 线性回归
4.1.1 线性模型
4.1.2 线性回归
4.1.3 多项式回归
4.1.4 算法的优缺点
4.2 岭回归
4.2.1 算法介绍
4.2.2 算法实现
4.2.3 算法的优缺点
4.3 LASSO回归
4.3.1 算法介绍
4.3.2 算法实现
4.3.3 算法的优缺点
4.4 支持向量回归机
4.4.1 算法介绍
4.4.2 算法实现
4.4.3 算法的优缺点
4.5 回归树
4.5.1 算法介绍
4.5.2 算法实现
4.5.3 算法优缺点
4.6 小结
习题
第5章 聚类算法
5.1 K均值凝聚聚类
5.1.1 算法介绍
5.1.2 算法实现
5.1.3 算法的优缺点
5.2 层次聚类
5.2.1 算法介绍
5.2.2 算法实现
5.2.3 算法的优缺点
5.3 DBSCAN算法
5.3.1 算法介绍
5.3.2 算法实现
5.3.3 算法的优缺点
5.4 MeanShift
5.4.1 算法介绍
5.