《机器学习算法入门与编程实践（基于Python·微课视频版）》内容简介

本书对机器学习算法的基本原理和Python程序实现进行了系统的介绍，每种算法都采用Sklearn程序实现并用Matplotlib进行数据可视化。为了帮助读者更加高效、直观地学习，作者为本书录制了13个微课视频，读者可以用手机扫描书中的二维码进行观看，也可以将视频下载后进行观看。
本书共8章，包括机器学习概述、Python机器学习与可视化、关联规则与推荐算法、聚类算法、分类算法、回归与逻辑回归、人工神经网络、支持向量机等内容。
本书可以作为高等院校机器学习和人工智能概论等课程的教材，也可作为机器学习算法入门读者的自学用书，还可以作为人工智能等领域机器学习研究者和应用人员的参考书。
唐四薪，毕业于中南大学，获计算机专业硕士研究生学位。现为衡阳师范学院计算机学院双师型教师，从事大数据分析和网页制作的教学与研究，主讲“云计算与大数据技术”等课程，主持两项省级课题和多项地厅级课题。2012年开发的“电子商务安全”网络课程获湖南省现代教育技术应用竞赛三等奖，2012年申报的“电子商务专业网站开发类系列教材的建设”成果获衡阳师范学院教学成果三等奖。独立编写《基于Web标准的网页设计与制作》一书，以第一作者的身份在《生物数学学报》《生物信息学》《计算机系统应用》《计算机工程与科学》等杂志上发表多篇论文。

作品目录

前言
第1章：机器学习概述
1.1、机器学习的概念和步骤
1.2、机器学习的预处理环节
1.3、机器学习的类型
1.4、机器学习的发展历史和应用领域
1.5、习题
第2章：Python机器学习与可视化
2.1、Python程序入门
2.2、Python数据分析工具
2.3、数据可视化—基于Matplotlib库
2.4、SciPy库
2.5、sklearn库
2.6、习题
第3章：关联规则与推荐算法
3.1、关联规则挖掘
3.2、推荐系统及算法
3.3、利用协同过滤推荐算法实现电影节目推荐
3.4、习题
第4章：聚类
4.1、聚类的原理与实现
4.2、层次聚类算法
4.3、K-means聚类算法
4.4、K-medoids聚类算法
4.5、DBSCAN聚类算法
4.6、利用聚类算法实现车牌识别
4.7、习题
第5章：分类
5.1、分类的基本原理
5.2、K-近邻算法
5.3、朴素贝叶斯分类算法
5.4、决策树分类算法
5.5、随机森林分类算法
5.6、利用运动手环数据预测身体姿态
5.7、习题
第6章：回归与逻辑回归
6.1、线性回归
6.2、逻辑回归
6.3、逻辑回归模型的sklearn实现
6.4、利用逻辑回归模型预测贷款违约行为
6.5、习题
第7章：人工神经网络
7.1、神经元与感知机
7.2、人工神经网络的核心要素
7.3、人工神经网络的sklearn实现
7.4、深度学习与深度神经网络
7.5、利用神经网络进行手写数字识别
7.6、习题
第8章：支持向量机
8.1、支持向量机的理论基础
8.2、支持向量机的sklearn实现
8.3、利用支持向量机实现人脸识别
8.4、习题
参考文献