机器学习与Python实践

机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者一步钻研探索。 本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
【推荐语】
本书是针对非计算机专业编写的机器学习教材，内容由浅深，使用目前流行的Python语言行描述。书中示例丰富、落地，具有较高的学习价值。 1.内容翔实，案例新颖 2.模拟实训，代码指导 3.资源丰富，便于教学
【作者】
黄勉，上海财经大学教授，研究方向为现代统计学方法、数据挖掘 机器学习、数量金融 量化投资，教授课程为数据挖掘、金融统计学、投资学。