Python機器學習原理與算法實現

數字化轉型背景下，Python作為一門簡單、易學、速度快、免費、開源的主流編程語言，廣泛應用於大數據處理、人工智能、雲計算等各個領域，是眾多高等院校學生的必修基礎課程，也是堪與Office辦公軟件應用比肩的職場人士的必備技能。同時隨着數據存儲、數據處理等大數據技術的快速進步，機器學習的各種算法在各行各業得以廣泛應用，同樣成為高校師生、職場人士迎接數字化浪潮、與時俱進提升專業技能的必修課程。本書將“Python課程學習”與“機器學習課程學習”有機結合，推動數字化人才的培養，提升人才的實踐應用能力。

全書內容共17章。第1、2章介紹Python的入門知識和進階知識；第3章介紹機器學習的概念及各種術語及評價標準；第4~10章介紹相對簡單的監督式學習方法，包括線性回歸算法、二元Logistic回歸算法、多元Logistic回歸算法、判別分析算法、樸素貝葉斯算法、高維數據懲罰回歸算法、K近鄰算法；第11、12章介紹主成分分析算法、聚類分析算法兩種非監督式學習算法；第13~15章介紹相對複雜的監督式學習算法，包括決策樹算法和隨機森林算法、提升法兩種集成學習算法；第16、17章介紹支持向量機算法、神經網絡算法兩種高級監督式學習算法。

本書可以作為經濟學、管理學、統計學、金融學、社會學、醫學、電子商務等相關專業的學生學習Python或機器學習應用的專業教材、參考書；也可以作為企事業單位數字化人才培養的教科書、工具書，還可以作為職場人士自學掌握Python機器學習應用、提升數據挖掘分析能力進而提高工作效能和改善績效水平的工具書。