本书介绍机器学习经典算法的原理、实现及应用，并通过综合案例讲解如何将实际问题转换为机器学习能处理的问题进行求解。本书配套源码、PPT课件、习题答案、开发环境与QQ群答疑。 本书共分14章。内容包括k近邻算法、朴素贝叶斯、聚类、EM算法、支持向量机、决策树、线性回归、逻辑回归、BP神经网络经典算法，以及垃圾邮件分类、手写数字识别、零售商品销售量分析与预测、个性化推荐等综合案例。本书算法首先给出了数学原理及公式推导过程，然后给出算法实现，最后所有算法及案例均以Python实现，方便读者在动手编程中理解机器学习的经典算法。 本书适合Python机器学习初学者、机器学习开发人员和研究人员使用，也可作为高等院校计算机、软件工程、大数据、人工智能等相关专业的本科生、研究生学习人工智能、机器学习的教材。

张建伟，郑州轻工业大学教授，长期从事计算机网络和程序设计技术的教育教学活动，经验丰富。现担任河南省“食品安全数据智能”重点实验室主任、河南省“公共安全数据融合与智能服务”工程技术研究中心主任、河南省软件工程重点学科负责人、河南省“软件工程技术与服务”教学团队负责人、国家级创新创业孵化基地“星空众创空间”负责人、河南省大众创业导师、河南省计算机教育研究会理事、河南省计算机学会理事。

前 言 从机器学习的产生到现在，短短的几十年时间，机器学习技术得到了飞速发展，尤其是近年来，以机器学习为代表的人工智能技术日新月异，取得了举世瞩目的成就。它的应用已经遍及到图像处理、语音识别、机器翻译、个性化推荐、人机交互等诸多领域，极大地改变了我们的生活和工作方式。在计算机教育领域，随着大数据技术和计算机技术的发展，机器学习作为人工智能的一个非常重要的分支，逐渐受到各高校师生的重视，并作为一门专业选修课在国内众多高校开设，受到越来越多学生的青睐。目前，机器学习已成为计算机、软件工程等相关专业非常重要的专业课程，是今后研究生学习的必修课和从事软件开发的主要方向。 机器学习与普通算法的不同之处在于它是以数据为驱动的智能算法。机器学习是一门建立在数学理论基础上的应用学科，算法的实现固然重要，它正是建立在强大的数学基础之上，因此，严密的数学推导对于机器学习者来说也是必不可少的。作为一名算法爱好者，从事算法研究已经许多年了，但笔者深知机器学习、人工智能领域不乏建树颇丰的理论与实践皆通的大师，也有众多技艺精湛的有识之士，正是这些无数学者的贡献，才有今天日新月异的机器学习技术和美好生活。对于机器学习的学习与研究，需要常怀着敬畏之心，不断虚心向学，提高理论与实践能力，才能跟上机器学习发展的脚步。作为一名计算机专业人员，算法的实现又要求具备深厚的Python语言基础、数据结构与算法设计能力。这就要求读者在学习机器学习的过程中，以理论深厚、技艺精湛的大师为榜样，既要仰望星空，又要脚踏实地，内外兼修，方得始终。 本书比较系统地介绍了机器学习常见的经典算法，从算法的原理、算法实现、案例应...