《 機器學習原理與Python編程實踐》是清華大學出版社出版的一本圖書。 《機器學習原理與Python編程實踐》講述機器學習的基本原理，使用Python和Numpy實現涉及的各種機器學習算法。通過理論學習和實踐操作，使讀者了解並掌握機器學習的基本原理和技能，拉近理論與實踐的距離。全書共分為章，主要內容包括：機器學習介紹、線性回歸、邏輯回歸、貝葉斯分類器、模型評估與選擇、均值算法和算法、決策樹、神經網路、隱馬爾科夫模型、支持向量機、推薦系統、主成分分析、集成學習。全書源碼全部在Python 3.7上調試成功，每章都附有習題和習題參考答案，供讀者參考。《機器學習原理與Python編程實踐》系統講解了機器學習的常用核心算法和Python編程實踐，內容全面、實例豐富、可操作性強，做到理論與實踐相結合。本書適合機器學習愛好者作為入門和提高的技術參考書，也適合用作計算機專業高年級本科生和研究生的教材或教學參考書。
第1章 機器學習介紹 11.1 機器學習簡介 21.1.1 什麼是機器學習 21.1.2 機器學習與日常生活 31.1.3 如何學習機器學習 41.1.4 Python的優勢 51.2 基本概念 61.2.1 機器學習的種類 61.2.2 有監督學習 61.2.3 無監督學習 71.2.4 機器學習的術語 81.2.5 預處理 91.3 Numpy數據格式 101.3.1 標稱數據 101.3.2 序數數據 111.3.3 分類數據 111.4 示例數據集 121.4.1 天氣問題 121.4.2 鳶尾花 141.4.3 其他數據集 151.5 了解你的數據 16習題 20第2章 線性回歸 212.1 從一個實際例子說起 222.1.1 模型定義 232.1.2 模型假設 232.1.3 模型評估 242.2 最小二乘法 252.2.1 最小二乘法求解參數 252.2.2 用最小二乘法來擬合奧運會數據 262.2.3 預測比賽結果 272.3 梯度下降 282.3.1 基本思路 282.3.2 梯度下降算法 292.3.3 梯度下降求解線性回歸問題 312.4 多變數線性回歸 332.4.1 多變數線性回歸問題 332.4.2 多變數梯度下降 352.4.3 隨機梯度下降 382.4.4 小批量梯度下降 412.4.5 正規方程 432....
