内容简介
本书介绍机器学习经典算法的原理、实现及应用，并通过综合案例讲解如何将实际问题转换为机器学习能处理的问题进行求解。本书配套源码、PPT课件、习题答案、开发环境与QQ群答疑。 本书共分14章。内容包括k近邻算法、朴素贝叶斯、聚类、EM算法、支持向量机、决策树、线性回归、逻辑回归、BP神经网络经典算法，以及垃圾邮件分类、手写数字识别、零售商品销售量分析与预测、个性化推荐等综合案例。本书算法首先给出了数学原理及公式推导过程，然后给出算法实现，最后所有算法及案例均以Python实现，方便读者在动手编程中理解机器学习的经典算法。 本书适合Python机器学习初学者、机器学习开发人员和研究人员使用，也可作为高等院校计算机、软件工程、大数据、人工智能等相关专业的本科生、研究生学习人工智能、机器学习的教材。
AI简介
这是一本以Python语言为基础，全面介绍机器学习经典算法的原理、实现及应用的教材。全书共14章，内容涵盖了机器学习与人工智能关系、数据集与样本、k近邻算法的基本概念、贝叶斯分类器概述、EM算法的基本概念和原理、K-means聚类算法的基本原理、高斯混合聚类概述、逻辑回归定义与原理、感知机到多层感知机的发展、垃圾邮件分类概述、手写数字识别概述、零售商品销售额预测概述、监督学习和非监督学习的区别、回归分析的分类、支持向量机的基本原理和应用、决策树的生成算法等多个方面。
书中首先介绍了机器学习与人工智能关系，强调了机器学习在人工智能领域的重要地位，以及机器学习算法在数据分析和预测中的广泛应用。接着，书中详细阐述了数据集与样本的概念，介绍了如何处理和准备数据，以及如何将数据集分为训练集和测试集。此外，书中还详细介绍了k近邻算法的基本概念、贝叶斯分类器概述、EM算法的基本概念和原理、K-means聚类算法的基本原理、高斯混合聚类概述等机器学习的基本算法和原理。
在介绍逻辑回归定义与原理、感知机到多层感知机的发展等内容时，书中深入探讨了如何通过机器学习算法解决分类和回归问题，以及神经网络的发
推荐影视
阅读/下载地址