"本書以案例為載體，介紹了目前機器學(xué)習(xí)的部分主流算法及其應(yīng)用，簡要概括部分主流算法的基本原理，詳細說明應(yīng)用算法過程中需要注意的問題，通過實際案例的解析使學(xué)生更好地掌握主流算法。

全書共四部分。第一部分（第1章）為理論基礎(chǔ)，著重介紹機器學(xué)習(xí)的發(fā)展及主流應(yīng)用，還詳細介紹了本書中全部案例運行環(huán)境的搭建方法。第二部分（第2~7章）為監(jiān)督學(xué)習(xí)模型，著重介紹了貝葉斯分類器、線性模型、決策結(jié)、K近鄰、支持向量機和隨機森林的基本原理。第三部分（第8、9章）為無監(jiān)督學(xué)習(xí)模型，詳細介紹了數(shù)據(jù)降維和K�簿�值聚類。第四部分（第10~12章）為神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，介紹了幾類目前流行的神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)網(wǎng)絡(luò)。全書提供了大量應(yīng)用案例，每章后均附有習(xí)題。

本書適合作為各類高等院校計算機、人工智能專業(yè)的教材，也適合作為相關(guān)專業(yè)研究生的入門教材，還可供人工智能和數(shù)據(jù)挖掘方向的開發(fā)人員、廣大科技工作者和研究人員參考。
"