主编推荐语

本书旨在讲解机器学习知识以及深度学习基础知识。

内容简介

本书结合大量实例详细介绍机器学习的相关算法原理并利用Python语言进行实践，内容涵盖机器学习的完整知识体系和深度学习的基础知识，如多层感知器和卷积神经网络等。除了项目实战外的各章均提供大量习题并给出参考答案和解题代码。

全书共18章，分为3篇。

第1篇机器学习基础知识，主要介绍机器学习的基本概念、机器学习的基本流程与模型、搭建机器学习环境并进行应用实践、基于Azure的机器学习云平台搭建等相关知识；

第2篇机器学习核心技术，主要介绍模型训练的数学原理、多样性特征解析、数据标准化与特征筛选、贝叶斯分类器、广义线性模型、支持向量机、决策树、人工神经网络、集成学习、模型的正则化、模型的评价与选择、无监督学习（如K-Means聚类、GMM聚类、谱聚类、密度聚类等）；

第3篇机器学习项目实战，采用行人检测和厨余垃圾处理的指标预测两个典型案例，带领读者进行项目实战，提高读者的实际开发水平。

目录