机器学习原理与Python实践

《机器学习原理与Python实践》结合大量实例详细介绍机器学习的相关算法原理并利用Python语言行实践，内容涵盖机器学习的完整知识体系和深度学习的基础知识，如多层感知器和卷积神经网络等。《机器学习原理与Python实践》除了项目实战外的各章均提供大量习题并给出参考答案和解题代码。通过阅读《机器学习原理与Python实践》，读者可以较为全面、系统地掌握机器学习和深度学习的相关知识。 《机器学习原理与Python实践》共18章，分为3篇。第1篇机器学习基础知识，主要介绍机器学习的基本概念、机器学习的基本流程与模型、搭建机器学习环境并行应用实践、基于Azure的机器学习云平台搭建等相关知识；第2篇机器学习核心技术，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、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）；第3篇机器学习项目实战，采用行人检测和厨余垃圾处理的指标预测两个典型案例，带领读者行项目实战，提高读者的实际发水平。 《机器学习原理与Python实践》内容丰富，讲解循序渐，适合机器学习的门与阶人员阅读，也适合人工智能领域的发者和爱好者阅读，还适合高等院校人工智能等相关专业作为教材，相关培训机构也可作为培训教材。
【推荐语】
全面、深剖析机器学习的算法原理和模型构建等核心技术。 结合大量实例和两个实战项目案例展现各种算法的实际应用。 详解监督学习、无监督学习和强化学习的理论基础与应用场景。 详解模型训练中的风险函数、参数寻优方法，以及欠拟合与过拟合解决方案。 深解析机器学习常用经典模型的基本原理及其Python实现。 详解数据标准化、异常值检测、缺失值处理和特征筛选等数据预处理技术。 详解两个典型项目实战案例，带领读者动手实践，提高实际发水平。 内容丰富：详解机器学习的基础知识和相关算法原理并行实践，还对深度学习的基础知识行讲解，帮助读者系统掌握机器学习的完整知识体系。 循序渐：从机器学习的基本概念和环境搭建始讲解，逐步深其算法原理和模型构建等核心技术，最后行项目实战，学习梯度非常平滑。 理论结合实践：不仅深剖析机器学习的常用算法原理和模型构建方法，而且基于Python行实践，从理论和实践两个维度展现其核心技术。 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，带领读者行项目实战，提高他们的动手能力和发水平。 经验总结：归纳和总结大量的实战经验和技巧，并给出多个“避坑”提示，帮助读者提高实战技能并避一些弯路，从而更加顺利地行学习与实践。 配实训习题：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更好地掌握和巩固相关知识。 赠超值资源：附赠程序源代码和教学PPT等学习资源，便于读者高效、直观地学习，也方便高等院校的相关授课老师教学时使用。
【作者】
卓泽滨， 毕业于华南理工大学。在校期间获得全国大学生数学建模竞赛省二等奖、认证杯国际建模比赛国际赛Meritorious奖（二等奖）、MathorCup高校数学建模挑战赛全国三等奖和泰迪杯数据挖掘挑战赛全国二等奖等。通CSDN博客，发表技术博文150余篇，阅读量高达76万。毕业后供职于中国电器科学研究院股份有限公司，任发工程师。申请两项发明专利。考取了工程和信息化部教育与考试中心颁发的软件评测工程师证书和泰迪智能研究院国际培训中心颁发的大数据分析工程师证书。对机器学习和深度学习等人工智能发技术有广泛的涉猎和深的研究。