本书理论与实践相结合，详细阐述机器学习数据特征与分类算法，基于Python 3精心编排大量的机器学习场景与开源平台应用，高效利用Python 3代码翔实地阐释机器学习核心算法及其工具的场景应用。 本书分为6章，主要内容包括机器学习概述、数据特征、分类算法、项目，以及在机器学习平台Kaggle与PaddlePaddle上实现分类、预测及推荐等实战操作。 本书适合机器学习的研究人员、计算机或数学等相关从业者参考学习，也可以作为计算机或数学等专业本科高年级或研究生专业用书。

邓立国，东北大学计算机应用博士毕业。2005年开始在沈阳师范大学软件学院、教育技术学院任教，主要研究方向：数据挖掘、知识工程、大数据处理、云计算、分布式计算等。以第一作者发表学术论文30多篇（26篇EI），主编教材 1 部，主持科研课题6项，经费10余万元，多次获得校级科研优秀奖，作为九三社员提出的智慧城市提案被市政府采纳，研究成果被教育厅等单位采用。

前 言 机器学习是人工智能领域核心的研究方向，其应用遍及人工智能的各个领域。机器学习已经有了十分广泛的应用，例如数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等。机器学习是人工智能和神经计算的核心研究课题之一，解决计算机程序如何随着经验积累自动提高性能。 作者在工作中接触和应用机器学习的相关算法过程中，发现目前没有比较完备的基于Python 3语言的机器学习专业图书，所以写了这本以Python 3为基础实践语言的机器学习工具书，仅供从事机器学习人员参阅。 本书内容 本书的目的是展现基于Python 3机器学习中核心的算法与实践，重点介绍与机器学习相关的知识理论与Python实例。 本书分为6章，系统地讲解机器学习的典型算法：第1章简要介绍有关机器学习的基础知识，第2章讲解机器学习的数据特征，第3章介绍机器学习的分类算法，第4章主要介绍机器学习开源项目场景应用，第5、6章在机器学习平台Kaggle与PaddlePaddle上进行算法应用。本书的例子都是在Python 3集成开发环境Anaconda 3中经过实际调试通过的典型案例，大部分实验数据来源于GitHub，并且很多例子源程序都给出了网址地址，读者可以参考实现。 本书读者 本书可以作为计算机科学与工程、计算统计学和社会科学等专业的大学生或研究生的专业参考书，也可作为软件研究人员或从业人员的参考资料。由于机器学习专业素材的多学科性，读者可以根据对应的知识背景参考对应的专业书籍。 源码下载 ...