本书对于机器学习的核心方法，进行了深入而详细的介绍，并特别关注各学科最常用的算法。最大特色在于力图以生动的语言、较多的插图与大量的实例来直观地解释机器学习的原理。同时，结合主流的Python语言，及时地介绍相应的软件操作与经典案例，为读者提供“一站式”服务。本书还提供详尽的数学推导，尽量避免跳跃，并辅以直观的文字解释。对于看似复杂的机器学习原理，则删繁就简，娓娓道来，让读者渐入佳境。
本书适合普通高等学校理、工、农、医、计算机、统计学以及经济管理、社会科学类的高年级本科生与研究生使用。先修课包括微积分、线性代数与概率统计，但不要求有编程或Python语言经验。本书将从零开始，让读者快速体会到Python语言的美妙与威力。
目录:
第1章 绪论
第2章 Python入门
第3章 数学回顾
第4章 线性回归
第5章 逻辑回归
第6章 多项逻辑回归
第7章 判别分析
第8章 朴素贝叶斯
第9章 惩罚回归
第10章 K近邻法
第11章 决策树
第12章 随机森林
第13章 提升法
第14章 支持向量机
第15章 人工神经网络
第16章 主成分分析
第17章 聚类分析
第18章 数据科学的Python语言
点击下载