機器學習基礎與實戰（簡體書）

全書共 10 章，第 1 章介紹了機器學習算法的基本概念、分類及本書開發環境的搭建。第 2 章介紹了機器學習算法中經常用到的 NumPy 相關知識及繪圖工具包 Matplotlib。從第 3 章開始介紹機器學習算法，第 3 章介紹了最簡單也是最常用的線性回歸算法。第 4 章介紹了搜索算法，包括梯度下降算法、隨機梯度下降算法、小批量梯度下降算法、牛頓迭代算法及坐標下降算法。第 5 章介紹了二分類的 Logistic回歸算法和多元回歸算法 SoftMax，以及評價分類結果優劣的各種指標。第 6 章介紹了支持向量機算法及支持向量機的核函數方法。第 7 章介紹了樸素貝葉斯算法。第 8 章介紹了決策樹優化算法及由多棵決策樹構成的隨機森林算法等集成學習算法。第 9 章介紹了聚類算法，包括 K 均值算法、合併聚類算法、DBSCAN 算法等。第 10 章介紹了降維算法，主要包括主成分分析法和主成分分析的核方法。每章都包含大量的實戰案例，既有自行實現的算法，也有直接調用 Sklearn 工具庫實現的算法。本書配備思考與練習，全書所有的示例程序都提供完整的源代碼，讀者可登錄華信教育資源網或GitHub 網站免費下載。本書適合作為人工智能、大數據等專業的學生教材，對於人工智能相關培訓機構、人工智能愛好者，也有一定的參考價值。