前言

機器學習是計算機科學領域未來發(fā)展的重點之一。從制造業(yè)到電子商務、再到運輸業(yè)、機器學習無處不在，并提供基于數(shù)據(jù)的解決方案。機器學習背后的理念是在決策過程中建立一個與人類一樣聰明的知識模型。現(xiàn)在，隨著計算和存儲能力的增強，機器學習相比人類可以提供更好的解決方案。

本書由12章組成，每一章涉及機器學習的一個主要領域。

第1章從機器學習的基本介紹開始，讀者可以結合實際應用案例來了解通用機器學習算法的思想。第2章介紹了Python語言的基礎知識， Python是一種開源語言，也是一種很好的機器學習應用工具，這是選擇它來編寫機器學習算法的原因。第3章提供了特征工程的相關操作技術，對機器學習而言，尋找正確的特征并加以修改與算法同樣重要。第4章重點介紹數(shù)據(jù)可視化技術，使用預先構建的Python庫，用戶可以將數(shù)據(jù)可視化并向他人展示。

第5章～第7章涵蓋了監(jiān)督學習算法的內容。第5章通過實例解釋基本回歸技術。第6章通過過擬合問題的解決方案來重點介紹高級回歸技術。第7章描述了分類算法的細節(jié)，從參數(shù)化技術和非參數(shù)化技術兩方面來探討解決分類問題。第8章引入無監(jiān)督學習的思想，重點介紹了聚類。

第9章～第12章提供了機器學習中一些高級概念。第9章介紹了文本分析，包含一個示例——將新聞分類到預定義類別中。第10章討論了神經(jīng)網(wǎng)絡和深度學習，其在非結構化、圖像和語音數(shù)據(jù)中得到了高度的應用。第11章介紹了構建推薦系統(tǒng)的方法，對每種方法給出了相應的案例。第12章討論時間序列數(shù)據(jù)、處理和預測時間序列的方法。

本書對各學習階段的讀者都有幫助。無論讀者是剛開始接觸機器學習，還是想學習更深層的概念，又或者是想通過代碼進行實踐，本書均可滿足需求。建議讀者通過使用示例代碼來學習概念并實踐它，以掌握這本書的全部內容。

雖然其他數(shù)據(jù)科學家已經(jīng)對書中的內容和代碼進行了檢查，但本書仍然可能存在一些缺陷。期待讀者的建議和批評，我將盡力改正以求在未來的版本中不再出現(xiàn)這些錯誤。