本书以Python3.10.7为平台，以实际应用为背景，通过“概述+经典应用”的形式，深入浅出地介绍Python机器学习算法及应用的相关知识。全书共12章，主要内容包括在数据上的计算机学习能力、简单的机器学习分类算法、sklearn机器学习分类器、数据预处理、降维实现数据压缩、不同模型的集成学习、连续变量的回归分析、数据的聚类分析、从单层到多层的人工神经网络、使用深度卷积神经网络实现图像分类、使用循环神经网络实现序列建模、使用生成对抗网络合成新数据等。通过本书的学习，读者可领略到Python的简单、易学、易读、易维护等特点，同时感受到利用Python实现机器学习的普遍性与专业性。本书可作为高等学校相关专业本科生和研究生的学习用书，也可作为相关专业科研人员、学者、工程技术人员的参考用书。

第1章在数据上的计算机学习能力
1.1转换机器学习
1.1.1转换机器学习简介
1.1.2转换机器学习对比其他方法
1.1.3转换机器学习的改进
1.1.4转换机器学习的可解释性
1.1.5转换机器学习对比深度神经网络
1.1.6构建机器学习的生态系统
1.2三种不同类型的机器学习
1.2.1用监督学习顶测未来
1.2.2用强化学习解决交互问题
1.2.3用无监督学习发现隐藏的结构
1.2.4分类和回归术语
1.3评估机器学习模型
1.3.1简单的留出验证
1.3.2K折验证
1.3.3带有打乱数据的重复K折验证
1.4数据预处理、特征工程和特征学习
1.4.1神经网络的数据预处理
……