本書語言簡明，案例豐富，實用性強，適合有志於機器學習領域的研究者和愛好者、海量數據挖掘與分析人員、金融智能化從業人員閱讀，也適合作為高等院校機器學習相關專業的教材。

●第1章 數據可視化
1-1 認識matplotlib.pyplot模塊的主要函數
1-2 繪制簡單的折線圖plot()
1-2-1 畫線基礎實踐
1-2-2 線條寬度linewidth
1-2-3 標題的顯示
1-2-4 坐標軸刻度的設定
1-2-5 多組數據的應用
1-2-6 線條色彩與樣式
1-2-7 刻度設計
1-2-8 圖例legend()
1-2-9 保存與開啟文件
1-2-10 在圖上標記文字
1-3 繪制散點圖scatter()
1-3-1 基本散點圖的繪制
1-3-2 繪制繫列點
1-3-3 設定繪圖區間
1-4 numpy模塊
1-4-1 建立一個簡單的數組linspace()和arange()
1-4-2 繪制波形
1-4-3 建立不等寬度的散點圖
1-4-4 填滿區間
1-4-5 色彩映射
1-5 圖表顯示中文
第2章 數學模塊math和sympy
2-1 數學模塊的變量
2-2 一般函數
2-3 log()函數
2-4 三角函數
2-5 sympy模塊
2-5-1 定義符號
2-5-2 name屬性
2-5-3 定義多個符號變量
2-5-4 符號的運算
2-5-5 將數值代入公式
2-5-6 將字符串轉為數學表達式
2-5-7一次方程式
2-5-8二次方程式
2-5-9 解含未知數的方程式
2-5-10 解聯立方程式
2-5-11 繪制坐標圖的基礎
2-5-12 設定繪圖的x軸區間
2-5-13 增加繪圖標題與軸標題
2-5-14 多函數圖形
2-5-15 plot()的show參數
2-5-16 使用不同顏色繪圖
2-5-17 圖表增加圖例
第3章 機器學習基本概念
3-1 人工智能、機器學習、深度學習
3-2 認識機器學習
3-3 機器學習的種類
3-3-1 監督學習
3-3-2 無監督學習
3-3-3 強化學習
3-3-4 本書的目標
3-4 機器學習的應用範圍
第4章 機器學習的基礎數學
4-1 用數字描繪事物
4-2 變量概念
4-3 從變量到函數
4-4 等式運算的規則
4-5 代數運算的基本規則
4-6 用數學抽像化開餐廳的生存條件
4-6-1 數學模型
4-6-2 經營數字預估
4-6-3 經營績效的計算
……
第5章 認識方程式、函數、坐標圖形
第6章 從聯立方程式看機器學習的數學模型
第7章 從勾股定理看機器學習
第8章 聯立不等式與機器學習
第9章 機器學習需要知道的二次函數
第10章 機器學習的最小平方法
第11章 機器學習必須懂的集合
第12章 機器學習必須懂的排列與組合
第13章 機器學習需要認識的概率
第14章 二項式定理
第15章 指數概念與指數函數
第16章 對數
第17章 歐拉數與邏輯函數
第18章 三角函數
第19章 從基礎統計了解大型運算符
第20章 機器學習的向量
第21章 機器學習的矩陣
第22章 向量、矩線性回歸

這是一本具有高中數學知識就能讀懂的機器學習圖書，書中通過大量程序實例，將復雜的公式重新拆解，詳細、清晰地解讀了機器學習中常用的數學知識，一步步帶領讀者進入機器學習的領域。本書共22章，主要講解了數據可視化、math模塊、sympy模塊、numpy模塊、方程式、函數、最小平方法、集合、概率、貝葉斯定理、指數、對數、歐拉數、邏輯函數、三角函數、大型運算符、向量、矩陣與線性回歸等數學知識。本書語言簡明，案例豐富，實用性強，適合有志於機器學習領域的研究者和愛好者、海量數據挖掘與分析人員、金融智能化從業人員閱讀，也適合作為高等院校機器學習相關專業的教材。

洪錦魁 著