本書結(jié)合大量實(shí)例詳細(xì)介紹機(jī)器學(xué)習(xí)的相關(guān)算法原理并利用Python語言進(jìn)行實(shí)踐，內(nèi)容涵蓋機(jī)器學(xué)習(xí)的完整知識(shí)體系和深度學(xué)習(xí)的基礎(chǔ)知識(shí)，如多層感知器和卷積神經(jīng)網(wǎng)絡(luò)等。本書除了項(xiàng)目實(shí)戰(zhàn)外的各章均提供大量習(xí)題并給出參考答案和解題代碼。通過閱讀本書，讀者可以較為全面、系統(tǒng)地掌握機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的相關(guān)知識(shí)。本書共18章，分為3篇。第1篇機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)，主要介紹機(jī)器學(xué)習(xí)的基本概念、機(jī)器學(xué)習(xí)的基本流程與模型、搭建機(jī)器學(xué)習(xí)環(huán)境并進(jìn)行應(yīng)用實(shí)踐、基于Azure的機(jī)器學(xué)習(xí)云平臺(tái)搭建等相關(guān)知識(shí)；第2篇機(jī)器學(xué)習(xí)核心技術(shù)，主要介紹模型訓(xùn)練的數(shù)學(xué)原理、多樣性特征解析、數(shù)據(jù)標(biāo)準(zhǔn)化與特征篩選、貝葉斯分類器、廣義線性模型、支持向量機(jī)、決策樹、人工神經(jīng)網(wǎng)絡(luò)、集成學(xué)習(xí)、模型的正則化、模型的評(píng)價(jià)與選擇、無監(jiān)督學(xué)習(xí)(如K-Means聚類、GMM聚類、譜聚類、密度聚類等)；第3篇機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)，采用行人檢測(cè)和廚余垃圾處理的指標(biāo)預(yù)測(cè)兩個(gè)典型案例，帶領(lǐng)讀者進(jìn)行項(xiàng)目實(shí)戰(zhàn)，提高讀者的實(shí)際開發(fā)水平。