機器學習是人工智能的重要分支。本書立足實用且易于上手實踐的原則，系統(tǒng)地介紹機器學習領(lǐng)域的經(jīng)典算法，以及這些算法的Python實現(xiàn)和典型應(yīng)用。本書分4部分: 第1部分介紹監(jiān)督學習，包括線性模型、決策樹分類、貝葉斯分類器、集成學習和支持向量機；第2部分介紹無監(jiān)督學習，包括關(guān)聯(lián)規(guī)則、聚類分析和數(shù)據(jù)降維；第3部分介紹深度學習，包括神經(jīng)網(wǎng)絡(luò)、深度學習和生成對抗網(wǎng)絡(luò)；第4部分介紹強化學習。本書所介紹的經(jīng)典機器學習算法及其應(yīng)用案例均給出了相關(guān)實驗數(shù)據(jù)和Python代碼實現(xiàn)，每章末尾還給出了習題和實驗題，便于讀者鞏固知識和開展課內(nèi)實驗。
本書可作為高等學校信息類以及相關(guān)專業(yè)高年級本科生和研究生的教材，也可供對機器學習感興趣的工程技術(shù)人員閱讀參考。