内容简介
机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。
AI简介
这是一本专注于机器学习算法和编程实践的实用指南。全书内容分为四部分，从机器学习基础到监督学习，再到无监督学习，最后介绍了机器学习工具。
书中首先介绍了监督学习的简介，包括分类问题的基本概念、目标变量类型、分类算法种类以及可能遇到的问题和解决方法。接着，深入探讨了根据目的选择算法，强调选择合适的算法对于机器学习应用程序的成功至关重要。此外，还详细介绍了机器学习应用程序开发步骤，包括数据准备、算法选择、模型训练、模型评估和模型部署。
书中详细阐述了多种监督学习算法，如k-近邻算法、决策树、概率论建立分类器、Logistic回归、支持向量机以及元算法——AdaBoost等。每种算法都通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。
此外，还介绍了无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。这些算法在处理大量未标注数据时非常有用，可以帮助我们发现数据中的潜在模式和结构。
最后，书中还介绍了机器学习算法的一些附属工具，如PCA、SVD以及MapReduce等，这
推荐影视
阅读/下载地址