內容簡介
本書通過通俗易懂的語言、豐富的圖示和生動的實例,撥開了籠罩在機器學習上方復雜的數學“烏雲”,讓讀者以較低的代價和門檻入門機器學習。本書共分為11章,介紹了在Python環境下學習scikit-learn機器學習框架的相關知識,涵蓋的主要內容有機器學習概述、Python機器學習軟件包、機器學習理論基礎、k-近鄰算法、線性回歸算法、邏輯回歸算法、決策樹、支持向量機、樸素貝葉斯算法、PCA算法和k-均值算法等。本書適合有一定編程基礎的讀者閱讀,尤其適合想從事機器學習、人工智能、深度學習及機器人相關技術的程序員和愛好者閱讀。另外,相關院校和培訓機構也可以將本書作為教材使用。
前言 機器學習是近年來非常熱門的方向,然而普通的程序員想要轉行機器學習卻困難重重。回想起來,筆者在剛開始學習機器學習時,一上來就被一大堆數學公式和推導過程所折磨,這樣的日子至今還歷歷在目。當時筆者也覺得機器學習是個門檻非常高的學科。但實際上,在機器學習的從業人員裡,究竟有多少人需要從頭去實現一個算法?又有多少人有機會去發明一個新算法?從一開始就被細節和難點纏住,這嚴重打擊了想進入機器學習領域新人的熱情和信心。 本書就是要解決這個問題。筆者希望盡量通過通俗的語言去描述算法的工作原理,並使用scikit-learn工具包演示算法的使用,以及算法所能解決的問題,給那些非科班出身而想半路“殺進”人工智能領域的程序員,以及對機器學習感興趣的人提供一本入門的書籍。 ......
"