本书采用理论与实战相结合的形式,通过实际案例代码来讲解算法知识,帮助读者在掌握机器学习算法的同时,打下项目实践的基础。同时配有PPT课件、教学视频、教学大纲等丰富的教学资源。
本书共13章,涵盖机器学习入门所需的数学知识及相关算法,包括:K-近邻算法、决策树算法、朴素贝叶斯算法、逻辑回归算法、梯度下降算法、支持向量机、AdaBoost算法、线性回归算法、K-means算法、Apriori算法、FP-growth算法、主成分分析算法和奇异值分解算法。还包括“利用K-近邻算法改进约会网站”“利用朴素贝叶斯分类模型过滤垃圾邮件”“通过Python实现基于用户的协同推荐系统”等10个实战项目。
本书适合于希望入门机器学习领域的读者学习,也可以作为大专院校相关专业的教材。