下载掌阅APP，畅读海量书库
立即打开
随着大数据和人工智能的快速发展，机器学习在各行各业中的应用变得越来越广泛和深入，从推荐系统和图像处理到自然语言处理，都无不体现出机器学习技术的强大。在面对复杂的机器学习模型和大规模数据时，像Excel这样的传统数据处理工具往往显得力不从心，而Python作为一款高效、简洁的编程语言，不仅功能强大，而且有丰富的文档和社区支持，能轻松解决这些问题，因此成为机器学习领域的首选工具。
在长期的机器学习研究和应用实践中，笔者深刻地体会到了Python语言的巨大优势：它生态系统完整，拥有大量现成的数据分析和机器学习库，如NumPy、pandas和scikit-learn等，无论是数据预处理和特征解析，还是模型构建和结果分析等，这些库都能提供高效且简洁的解决方案，从而帮助研发人员较为轻松地实现复杂的机器学习算法应用。
为了帮助读者全面、深入地理解机器学习的基本原理并进行应用实践，笔者结合自己多年的机器学习研发和实践经验编写了本书。相信通过本书，可以帮助读者全面、系统、深入地掌握机器学习的相关基础知识和核心技术，从而对机器学习的相关算法原理和模型构建方法等知识有一个全面、深入的理解，为从事相关研发工作打好基础。
内容丰富：详细讲解机器学习的基础知识和相关算法原理并进行应用实践，还对深度学习的基础知识进行讲解，从而帮助读者系统掌握机器学习完整的知识体系。
循序渐进：从机器学习的基本概念和环境搭建开始讲解，逐步深入机器学习的相关算法原理和模型构建等核心技术，最后进行项目实战，学习梯度非常平滑。
理论结合实践：不仅深入剖析机器学习的常用算法原理和模型构建方法，而且结合大量实例用Python语言进行实践，从理论和实践两个维度带领读者学习机器学习的相关知识。
案例实战：通过行人检测和厨余垃圾处理的指标预测两个典型案例带领读者进行项目实战，从而提高他们的实际动手能力和开发水平。
经验总结：讲解中给出笔者归纳和总结的大量实战经验及技巧，并给出多个“避坑”提示，帮助读者提高实战技能并避开一些弯路，从而更加顺利地进行机器学习应用实践。
配实训习题：除项目实战外的各章均提供大量的实训习题并给出参考答案和解题代码，让读者通过动手练习能够更好地掌握和巩固相关知识。
赠超值资料：附赠实例源代码和教学PPT等学习资料，便于读者高效、直观地学习，也方便高等院校相关授课老师教学时使用。
本书共18章，分为3篇，分别是机器学习基础知识、机器学习核心技术、机器学习项目实战。
第1篇 机器学习基础知识
本篇包括第1～4章，首先介绍机器学习的基本概念，帮助读者理解机器学习的定义、作用和各种不同类型的机器学习方法；然后详细介绍机器学习的基本流程，从一元线性回归模型开始，逐步介绍模型的基本概念、训练过程和评价方法等；接着介绍Python开发环境的搭建和MATLAB常用工具箱的使用，以及多元线性回归和逻辑回归及其Python实现；最后介绍基于Azure的机器学习云平台搭建。
通过学习本篇内容，读者可以初步掌握机器学习的基础知识，为后续章节的算法学习和模型构建打好基础。
第2篇 机器学习核心技术
本篇包括第5～16章，主要介绍模型训练的数学原理、多样性特征解析、数据标准化与特征筛选、贝叶斯分类器、广义线性模型、支持向量机、决策树、人工神经网络（BP神经网络、卷积神经网络）、集成学习、模型的正则化、模型的评价与选择、无监督学习（如 K -Means聚类、GMM聚类、谱聚类、密度聚类）等相关知识。本篇不但详细介绍机器学习相关算法和模型的基本原理，而且给出多个典型实例并用Python语言进行实现，从而带领读者进行机器学习应用实践。
通过学习本篇内容，读者可以全面、深入地理解机器学习的算法原理和模型构建方法等核心技术，为后续章节的机器学习项目实战打好基础。
第3篇 机器学习项目实战
本篇包括第17、18章，主要通过行人检测和厨余垃圾处理的指标预测两个典型案例带领读者进行项目实战，帮助读者将前面章节所学的知识应用到实际问题的解决之中。本篇不但详细介绍项目的技术清单、数据读取与预处理，而且详细介绍项目的模型筛选、训练与应用等。
通过学习本篇内容，读者可以巩固和应用前面章节所学的知识，并了解机器学习项目开发的基本流程，从而提高实际动手能力，为自己的职业道路奠定基础。
附录A主要介绍Python语言的基础知识，方便读者随时查阅Python语言的基础语法。
附录B主要介绍Sklearn模型和Keras模型的保存与导入方法。
机器学习入门与进阶人员；
机器学习应用开发人员；
深度学习入门人员；
数据处理与分析人员；
人工智能技术爱好者；
高等院校人工智能相关专业的学生。
部分章节标题和习题前标注了星号（*），表示这部分内容难度略大，属于拓展阅读部分。
讲解中穿插了“注意”和“提示”段落，用楷体编排，表示一些需要读者“避坑”的地方。
讲解中穿插了Tips段落，用楷体编排，表示一些知识点的小贴士。
本书提供的程序源代码和配套教学PPT有两种获取方式：一是关注微信公众号“方大卓越”，回复数字“40”获取下载链接；二是在清华大学出版社网站（www.tup.com.cn）上搜索本书，然后在本书页面上找到“资源下载”栏目，单击“网络资源”或“课件下载”按钮进行下载。
由于笔者水平有限，书中难免存在疏漏与不足之处，恳请广大读者批评与指正。读者在阅读本书时若有疑问，可发送电子邮件获取帮助，邮箱地址为bookservice2008@163.com。
卓泽滨
2025年1月