本书从人工智能初学者的视角出发，通过通俗易懂的案例，系统讲述了机器学习中的建模方法、模型结构和训练过程，详细讲解了回归、分类、聚类、降维、神经网络等模型和算法的概念及原理。通过Python语言中流行的NumPy、Pandas、Matplotlib、Sklearn等工具库解决案例中的问题，使读者既能理解处理问题背后的原理和思路，又能学习实际解决问题的方法和过程，提高使用机器学习模型和算法解决实际问题的应用能力。

本书可以作为各类职业院校人工智能及相关专业的教材，也可以作为机器学习爱好者的参考用书。

本书配有电子课件等教学资源，教师可登录机械工业出版社教育服务网（www*cmpedu*com）注册后免费下载，或联系编辑（010-88379194）咨询。

目录

前言

单元1数学建模与机器学习

任务房贷还款问题的数学建模

单元总结

单元评价

单元习题

单元2Python安装和编程基础

任务1安装Python环境

任务2Python编程基础——输出杨辉三角

单元总结

单元评价

单元习题

单元3Python常用工具包

任务1使用NumPy矩阵计算拟合房价

任务2使用NumPy随机数设计猜数游戏

任务3使用Pandas展示苹果销量数据

任务4使用Matplotlib绘制商品统计图形

任务5使用Sklearn生成自定义数据集

单元总结

单元评价

单元习题

单元4数据处理

任务学生成绩表数据处理

单元总结

单元评价

单元习题

单元5回归算法

任务波士顿房价预测问题

单元总结

单元评价

单元习题

单元6分类算法

任务1手写数字的分类识别

任务2检查拼写错误

单元总结

单元评价

单元习题

单元7聚类算法

任务鸢尾花聚类划分问题

单元总结

单元评价

单元习题

单元8降维与关联规则

任务1鸢尾花数据集降维分析

任务2客户购买商品关联分析

单元总结

单元评价

单元习题

单元9神经网络算法

任务MNIST手写数字识别

  单元总结

单元评价

单元习题

单元10机器学习建模综合案例

任务1泰坦尼克号生还情况预测

任务2共享单车骑行量预测

单元总结

单元评价

单元习题

参考文献