内容简介

机器学习是人工智能的一个方向。它是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是使用计算机模拟或实现人类学习活动，从现有大量的数据中学习，利用经验不断改善系统性能。机器学习步骤一般分为获取数据、数据预处理、建立模型、模型评估和预测。

本书共6章。

第1章节主要介绍机器学习的基本概念及其发展史、机器学习分类、常见机器学习算法及其特点；

第2章搭建机器学习开发环境，主要包括Anaconda＼PyCham＼Python软件的安装及使用，以及常见机器学习库的介绍和安装使用方法；

第3章介绍监督学习的4个经典算法：线性回归、决策树、k近邻和支持向量机算法，其重点在算法的应用；

第4章介绍主成分分析降维算法、K-means聚类算法；

第5章介绍人工神经网络基础，并通过房价预测和手写数字识别实例进行验证；

第6章介绍强化学习的基本概念，有模型学习和无模型学习，最后介绍了Q-Learning算法和Sarsa算法。