本书的写作目的旨在帮助大量正走在、或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学；另一方面又遇到入门难的问题，希望能有一本书旨在帮助正走在或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学； 另一方面又遇到入门难的问题，希望能有一本书、一本教材讲原理、给数据、给源码、给实验，带着入门。本着这样一个初衷，我们选择了机器学习领域析十大经典算法，把我们平常培养硕士研究生一年级刚入校学生的算法材料整理，开放提供给广大希望学习的读者朋友，写一本机器学习入门级的学习材料。每章完整的源代码扫描二维码即可下载，每个算法一个Python工程，实验数据就在每个工程的data文件夹下。代码风格尽量保持一致，让读者更容易理解。 本书可作为高等学校各专业“机器学习”及相关课程的教学参考书。本书、一本教材讲原理、给数据、给源码、给实验，带着入门。

李茜，博士，重庆邮电大学助理研究员，毕业于北京邮电大学。主要研究方向：大数据、社交网络、信息传播、机器学习。近年来，以第一作者在IEEE TCSS、Computational Intelligence、IEICE Transactions on Information and Systems、Physica A、网络与信息安全学报等国内外高水平期刊发表论文十余篇。

前言 本书为《机器学习经典算法实践（JAVA版）》的姊妹篇。应读者要求，由于当前Python语言在机器学习领域的广泛使用，本次出版由书稿写作组李茜博士牵头，将原书稿中全部算法使用Python语言实现。同时，为了保证和原书Java版代码风格一致，在Python实现时尽量保证原有的类设计、函数设计思想。争取做到将原书的JAVA实现“翻译”成Python实现。 当前，大数据、社交网络、计算智能、深度学习等词汇都已经成为我们日常生活中经常看到的热门专业名词了。如果我们考虑一下这些领域的共性，那么机器学习一定是重要的交集部分。很多来自不同领域、承担不同角色的学生、工作人员都在加入学习机器学习的队伍。 本书旨在帮助正走在或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学； 另一方面又遇到入门难的问题，希望能有一本书、一本教材讲原理、给数据、给源码、给实验，带着入门。本着这样一个初衷，我们选择了机器学习领域的十大经典算法，把我们平常培养研一刚入校学生的算法材料整理，开放提供给广大希望学习的读者朋友，写一本机器学习入门级的学习材料。 在整体章节的安排上，按照： 监督{KNN（分类），Bayes（分类），C4.5（分类），SVM（分类），AdaBoost（分类），CART（回归）}，无监督{KMeans（聚类），Apriori（关联规则），PageRank（排序），EM（参数估计）}的顺序组织章节。在每一章的讲解中，我们以讲故事开始讲解算法原理，接着分别从算法实现类/方法流程图、类/方法说明表、关键代码讲解算法实现...