.<<机器（qì）学习实战>>中文版、英文版（bǎn）、源代（dài）码。
机器（qì）学习是人工智能研（yán）究领域中一（yī）个极其重要的研究方向，在现（xiàn）今的大（dà）数据时代（dài）背景下，捕获数据并（bìng）从中萃取有（yǒu）价值的（de）信息或（huò）模式，成为各（gè）行业求生存、谋发展的决定性手段，这（zhè）使得（dé）这一（yī）过去为分析师和数学（xué）家所专属的研究领域越来（lái）越（yuè）为人们所（suǒ）瞩目。
本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并（bìng）逐步介绍了多种（zhǒng）经典（diǎn）的监督（dū）学习算法（fǎ），如k近邻算法、朴素贝叶斯（sī）算法、Logistic回归算法、支（zhī）持（chí）向量机、AdaBoost集成方法、基于树的回（huí）归算法和（hé）分类回归树（CART）算法（fǎ）等。第三部分则重点介绍无（wú）监督（dū）学习及其一些（xiē）主要算法：k均值聚类算法、Apriori算（suàn）法、FP-Growth算法（fǎ）。第（dì）四（sì）部分介（jiè）绍了（le）机器学习（xí）算法的一些（xiē）附属工具（jù）。
全书通过精（jīng）心编排的实例，切入日常工作（zuò）任（rèn）务，摒弃学术化（huà）语言，利用高效的可复用Python代码来阐释如何（hé）处理统计数据，进（jìn）行数据分析及可视化。通过各（gè）种实例（lì），读者可从（cóng）中（zhōng）学会（huì）机器学（xué）习的（de）核心算法，并能将（jiāng）其运用于一（yī）些策略性（xìng）任务中，如分类（lèi）、预测、推荐。另外，还可用它（tā）们（men）来实现一些（xiē）更高级（jí）的（de）功能，如（rú）汇（huì）总（zǒng）和（hé）简（jiǎn）化等。