本书从实用的角度出发，整合Python语言基础、数据分析与可视化、机器学习常用算法等知识，从最基本的Python语言基础入手，到数据科学相关库、机器学习概述，再到机器学习的回归、分类、聚类、降维和集成学习算法，最后介绍神经网络及算法评估和验证，突出知识的实用性和可操作性。 本书力求以浅显的语言讲解复杂的知识，以直观的案例辅助读者理解，并以图表形式展示代码和运行结果，配合习题巩固读者对知识点的掌握。 本书适合作为高等院校人工智能、数据科学与大数据技术、计算机类专业本科生的机器学习相关课程教材，也可作为数据科学相关领域工程技术人员的参考书，还可供不具备Python语言基础的机器学习爱好者从零开始学习。

郭羽含，男，汉族，副教授，硕士生导师，浙江科技大学理学院数据科学系主任。哈尔滨工业大学计算机科学与技术专业学士，哈尔滨工业大学软件工程专业硕士，法国波尔多大学工业工程硕士，法国里尔大学计算机与自动化专业博士，法国ARRAS信息与自动化研究院博士后。主持及参与国家和省级科研项目9项、横向项目10余项；以第一作者于国内外重要期刊和会议发表论文40余篇（其中SCI一区、二区、Top期刊20余篇）；以第一发明人申请国家发明专利20余项；获省教学成果奖、市自然学术成果奖等多项科研和教学奖励，指导学生于国家级和省级竞赛获奖80余人次。

前言
第1章Python语言基础
11Python概述
111Python简介
112Python开发环境搭建
113Python程序基本编写方法
12变量和简单数据类型
121标识符、常量和变量
122基本数据类型
123运算符和表达式
13程序结构
131顺序结构
132分支结构
133循环结构
14案例——人机对话猜数字
15延伸阅读——开源编程语言与开发者协作
16习题
第2章基础数据结构
21列表
211列表基本操作
212列表相关函数
213列表选取
22元组
221元组基本操作
222元组和列表异同与转换
23字典
231字典基本操作
232遍历字典
233字典与列表的嵌套
24案例——约瑟夫环
25延伸阅读——重要软件国产化
26习题
第3章函数与模块
31函数的定义与调用
311函数的定义
312函数的调用
32函数参数与返回值
321函数参数
322函数返回值
33两类特殊函数
331匿名函数
332递归函数
34常用内置函数
341字符串处理函数
342高级函数
35模块与包
351模块与包的导入
352常用模块
36案例——拼单词游戏
37延伸阅读——软件安全与职业道德
38习题
第4章数据科学库
41NumPy库
411安装NumPy库
412数据的获取
413数组创建与使用
414数据运算
42Matplotlib库
421安装Matplotlib库
422数据可视化基本流程
423设置绘图属性
424绘制常用图表
425绘制高级图表
43Pandas库
431安装Pandas库
432Pandas数据结构
433Pandas常用函数
44案例——鸢尾花数据分析
45延伸阅读——维护者的努力和奉献
46习题
第5章机器学习概述
51机器学习简介
511机器学习定义
512机器学习发展
513机器学习应用领域
52机器学习基本理论
521基本术语
522机器学习算法
523机器学习一般流程
53机器学习库
531安装Scikit-learn库
532数据的加载
533模型训练和预测
534模型的评估
535模型的保存与使用
54延伸阅读——机器学习在国产芯片上的应用
55习题
第6章回归分析
61回归分析原理
62多元线性回归
621算法原理
622实现及参数
63正则化回归分析
631岭回归
632Lasso回归
633ElasticNet回归
64案例——不同回归算法的分析对比
65延伸阅读——云计算与机器学习
66习题
第7章分类算法
71k近邻算法
711算法原理
712实现及参数
713k近邻回归
72逻辑回归
721算法原理
722实现及参数
73朴素贝叶斯
731相关概念
732算法原理
733实现及参数
74决策树
741算法原理
742最优特征选择函数
743实现及参数
75分类与回归树
751算法原理
752实现及参数
76支持向量机
761算法原理
762核函数
763实现及参数
77案例——多分类器分类数据
78延伸阅读——机器学习在智能驾驶中的应用
79习题
第8章聚类算法
81聚类的不同思想
82k均值
821算法原理
822实现及参数
83DBSCAN
831算法原理
832实现及参数
84Agglomerative聚类
841算法原理
842实现及参数
85案例——聚类不同分布形状的数据
86延伸阅读——聚类算法在少数民族服饰色彩分析中的应用
87习题
第9章数据降维
91主成分分析
911算法原理
912实现及参数
92线性判别分析
921算法原理
922实现及参数
93稀疏编码
931算法原理
932实现及参数
94案例——高光谱图像降维
95延伸阅读——数据降维技术在地震属性分析中的应用
96习题
第10章集成学习
101集成学习理论
102随机森林
1021算法原理
1022实现及参数
103投票法
104提升法
105延伸阅读——国产C919飞机中的机器学习
106习题
第11章神经网络
111神经元与感知机
1111神经元
1112单层感知机
1113感知机的实现及参数
112前馈神经网络（多层感知机）
1121算法原理
1122实现及参数
113深度神经网络
1131卷积神经网络
1132循环神经网络（RNN）
1133自编码器
1134深度学习新技术
114案例——降雨量预测
115延伸阅读——神经网络在中国的应用与发展
116习题
第12章算法评估与验证
121数据集划分
122距离度量方法
123分类有效性指标
124回归有效性指标
125聚类有效性指标
126参数调优
127延伸阅读——机器学习算法评估与验证
128习题
第13章综合案例——医学图像分割
131数据探索
1311数据集选取
1312数据可视化
132数据预处理
133模型选取与训练
1331模型选取
1332模型训练
134算法对比
135延伸阅读——智能医疗技术在我国的应用
136习题
参考文献