内容简介

本书是作者多年教学和科研的结晶，全面介绍了机器学习理论及相关的实践知识，并对机器学习相关知识进行了系统介绍、分类和梳理，从理论、案例分析和动手编程多个角度来帮助读者学习、理解和掌握机器学习的各种理论方法和实践技巧。全书共12章，主要内容包括机器学习概述、Python科学计算简介、无监督学习基础、线性回归和正则化方法、分类、局部建模、模型选择和模型评估、统计推断基础、贝叶斯方法、树和树的集成、深度学习、深度强化学习。本书内容丰富，讲解通俗易懂，非常适合本科生、研究生，以及对机器学习感兴趣或者想要使用Python语言进行数据分析的广大读者。