- 零基础理解机器学习算法：通过152张图表和零公式讲解，帮助读者轻松理解17种常用算法。
- 算法选择困难：帮助读者快速了解各算法特征，学会如何选择恰当的算法解决实际问题。
- 理论与代码脱节：各算法均用Python代码实现，读者可边运行代码边阅读，加深理解。
- 评估方法不清晰：讲解有监督学习和无监督学习的评估方法，帮助读者正确评估模型效果。
- 数据处理入门：介绍文本数据和图像数据的转换处理，帮助读者掌握数据预处理技能。
★★★
中级
入门初级中级进阶高级
- 机器学习初学者：零基础也可轻松读懂，通过图解快速理解算法原理。
- 数据分析师：需要了解常用机器学习算法，以便在实际工作中选择合适的方法。
- Python开发者：希望通过Python代码实现机器学习算法，提升实战能力。
- 高校学生：作为机器学习课程的辅助教材，帮助理解课堂内容。
- 转行AI的开发者：需要快速入门机器学习算法，建立知识体系。
- 先读第1章机器学习基础：了解机器学习概要、步骤和可视化方法，为后续学习打基础。
- 按章节顺序学习算法：先学有监督学习，再学无监督学习，循序渐进。
- 边运行代码边阅读：下载配套代码资源，在Python 3.7环境中运行，加深理解。
- 重点研读第4章评估方法：掌握模型评估和数据处理方法，提升实战能力。
- 参考第5章搭建环境：如果环境配置有困难，可参考该章完成Python环境搭建。
- 理解17种常用算法：掌握线性回归、SVM、随机森林、神经网络、PCA、k-means等算法的原理。
- 学会选择合适算法：能够根据问题类型和数据特征选择恰当的机器学习算法。
- 具备Python实现能力：能够用Python代码实现各算法并运行调试。
- 掌握模型评估方法：学会分类和回归问题的评估方法，以及交叉验证和超参数搜索。
- 能处理文本和图像数据：掌握文本数据和图像数据的转换处理方法。
- 建立机器学习知识体系：从基础概念到算法实现再到评估，形成完整知识框架。
📖 书籍简介
产品特色
编辑推荐
152张图表，轻松掌握17种常用算法！
没有复杂公式，零基础也可轻松读懂！
1.全面
网罗有监督学习和无监督学习的17种算法，涉及回归、分类、降维、聚类等问题。
2.直观
全彩图解，让原本抽象复杂的算法变得一目了然，方便读者快速了解各算法的特征，学会如何选择恰当的算法。
3.易懂
几乎没有数学公式和统计术语，零基础也可轻松读懂。
4.实现
各算法均用Python代码实现，基于Python 3.7版本，读者可下载配套代码资源，边试边学。
没有复杂公式，零基础也可轻松读懂！
1.全面
网罗有监督学习和无监督学习的17种算法，涉及回归、分类、降维、聚类等问题。
2.直观
全彩图解，让原本抽象复杂的算法变得一目了然，方便读者快速了解各算法的特征，学会如何选择恰当的算法。
3.易懂
几乎没有数学公式和统计术语，零基础也可轻松读懂。
4.实现
各算法均用Python代码实现，基于Python 3.7版本，读者可下载配套代码资源，边试边学。
内容简介
本书基于丰富的图示，详细介绍了有监督学习和无监督学习的17种算法，包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。书中针对各算法均用Python代码进行了实现，读者可一边运行代码一边阅读，从而加深对算法的理解。
作者简介
秋庭伸也（作者）
日本早稻田大学硕士毕业，目前在Recruit Communications公司担任技术负责人。
杉山阿圣（作者）
具有多年研发经验，目前在AI创业公司SENSY担任机器学习研究员。
寺田学（作者）
CMS Communications公司董事长、日本PyCon会议组织者、Plone基金会大使、Python工程师发展协会顾问理事、PSF（Python软件基金会）贡献成员。
郑明智（译者）
智慧医疗工程师，翻译经验丰富，有《白话机器学习的数学》《用Python动手学机器学习》等多部译著。
📑 章节目录
- 机器学习基础
- 线性回归
- 正则化
- 逻辑回归
- 支持向量机
- 支持向量机（核方法）
- 朴素贝叶斯
- 随机森林
- 神经网络
- KNN
- PCA
- LSA
- NMF
- LDA
- k-means算法
- 混合高斯分布
- LLE
- t-SNE
- 评估方法和各种数据的处理
- 环境搭建
