機器學習是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。其研究電腦模擬或實現人類的學習行為，獲取新的知識，重新組合現有知識結構並改善自身的效能。

本書針對機器學習領域描述了多個學習模型、策略、演算法、理論以及應用，以 Python 3 為基礎，使用 scikit-learn 解決實際問題。

全書完整介紹機器學習基本概念、演算法流程、模型建構、資料訓練、模型評估與最佳化、必備工具和實現方法，並佐以實際案例，以機器學習的經典演算法為軸線：演算法分析 ▶ 資料獲取 ▶ 模型建構 ▶ 推斷 ▶ 演算法評估，讓你理論與實踐技能一次學會，輕易上手。

本書特色

ML 的最佳參考書，scikit-learn 的最紮實實戰應用，亦為深入 AI 技術的優良基礎！
● 機器學習概述
● 資料特徵提取
● scikit-learn 估計器分類
● 單純貝氏分類
● 簡單線性迴歸到多元線性迴歸
● k 近鄰演算法分類
● 線性迴歸到邏輯迴歸
● 非線性分類與決策樹迴歸
● 決策樹到隨機森林
● 感知機到支持向量機
● 從感知機到類神經網路
● 主成分分析降維

鄧立國

東北大學計算機應用博士畢業。廣東工業大學任教，主要研究方向：數據挖掘、知識工程、大數據處理、雲計算、分佈式計算等。著有圖書《scikit-learn 機器學習實戰》、《Python 數據分析與挖掘實戰》、《Python 大數據分析算法與實例》、《Python 機器學習算法與應用》、《數據庫原理與應用（SQL Server 2016 版本）》等圖書。