本书从数据分析与机器学习算法入手，系统地介绍了机器学习各类算法的原理方法和实际应用。本书的主要内容包括：KNN算法、朴素贝叶斯、决策树、支持向量机、线性回归、K-means算法、人工神经网络、卷积网络深度学习以及基于Python数据分析进行职业规划。

本书作为大数据技术与人工智能领域的入门教材，在内容上涵盖了机器学习经典算法的基础知识和应用实例，采用Python作为编程语言，强调基本算法的应用理解，内容由浅入深。各部分内容均配有相应的任务，注重实践应用，便于读者学习和掌握。

本书可作为各类职业院校大数据技术、云计算技术应用、人工智能技术应用等相关专业的教学用书，也可作为相关专业领域工程技术人员的参考用书。

本书配有电子课件、源代码、微课视频（扫描二维码观看）等课程资源，选用本书作为授课教材的教师可以登录机械工业出版社教育服务网（www.cmpedu.com）注册后免费下载，也可联系编辑（010-88379807）咨询。

前 言

二维码索引

项目1　KNN算法及应用1

任务1　推荐车型15

任务2　鸢尾花分类17

项目小结.20

拓展练习20

项目２　朴素贝叶斯应用23

任务1　利用朴素贝叶斯推荐商品29

任务2　改进算法33

任务3　评价算法35

任务4　编程实现朴素贝叶斯37

项目小结39

拓展练习39

项目３　决策树应用41

任务1　开发人工智能的信用卡审批系统47

任务2　处理数据的瑕疵以及特征工程50

任务3　编程完成决策树项目应用52

项目小结53

拓展练习53

项目４　支持向量机应用55

任务1　预测学生成绩63

任务2　用核函数处理非线性可分的数据65

任务3　可视化数据67

项目小结81

拓展练习81

项目5　线性回归应用83

任务1　预测连锁店消暑饮料的销售量86

任务2　可视化拟合结果和趋势89

任务3　度量线性回归模型可用性.91

任务4　用线性回归模型预测房屋价格92

项目小结96

拓展练习96

项目6　K-means算法及应用.97

任务1　利用K-means算法进行樱花耐寒性聚类104

任务2　数据降维107

任务3　用K-means划分球队梯队110

项目小结113

拓展练习113

项目7　人工神经网络应用115

任务1　用Tensorflow实现手势识别144

任务2　用pytorch实现手写数字识别153

任务3　利用神经网络辨认鱼的种类157

任务4　用梯度下降算法求解优参数.162

项目小结164

拓展练习165

项目８　卷积网络深度学习167

任务1　构造特征辨认图像174

任务2　用卷积网络识别手写数字179

项目小结182

拓展练习182

项目９　基于Python数据分析进行职业规划183

任务1　爬取数据187

任务2　清洗和整理数据189

任务3　分析数据、输出报表192

任务4　生成词云图196

项目小结200

拓展练习200

参考文献201