本书从数据分析与机器学习算法入手，系统地介绍了机器学习各类算法的原理方法和实际应用。本书的主要内容包括：KNN算法、朴素贝叶斯、决策树、支持向量机、线性回归、K-means算法、人工神经网络、卷积网络深度学习以及基于Python数据分析进行职业规划。
本书作为大数据技术与人工智能领域的入门教材，在内容上涵盖了机器学习经典算法的基础知识和应用实例，采用Python作为编程语言，强调基本算法的应用理解，内容由浅入深。各部分内容均配有相应的任务，注重实践应用，便于读者学习和掌握。
本书可作为各类职业院校大数据技术、云计算技术应用、人工智能技术应用等相关专业的教学用书，也可作为相关专业领域工程技术人员的参考用书。
本书配有电子课件、源代码、微课视频（扫描二维码观看）等课程资源，选用本书作为授课教材的教师可以登录机械工业出版社教育服务网（www.cmpedu.com）注册后免费下载，也可联系编辑（010-88379807）咨询。

前言
二维码索引
项目1 KNN算法及应用
任务1 推荐车型
任务2 鸢尾花分类
项目小结
拓展练习
项目2 朴素贝叶斯应用
任务1 利用朴素贝叶斯推荐商品
任务2 改进算法
任务3 评价算法
任务4 编程实现朴素贝叶斯
项目小结
拓展练习
项目3 决策树应用
任务1 开发人工智能的信用卡审批系统
任务2 处理数据的瑕疵以及特征工程
任务3 编程完成决策树项目应用
项目小结
拓展练习
项目4 支持向量机应用
任务1 预测学生成绩
任务2 用核函数处理非线性可分的数据
任务3 可视化数据
项目小结
拓展练习
项目5 线性回归应用
任务1 预测连锁店消暑饮料的销售量
任务2 可视化拟合结果和趋势
任务3 度量线性回归模型可用性
任务4 用线性回归模型预测房屋价格
项目小结
拓展练习
项目6 K-means算法及应用
任务1 利用K-means算法进行樱花耐寒性聚类
任务2 数据降维
任务3 用K-means划分球队梯队
项目小结
拓展练习
项目7 人工神经网络应用
任务1 用Tensorflow实现手势识别
任务2 用pytorch实现手写数字识别
任务3 利用神经网络辨认鱼的种类
任务4 用梯度下降算法求解最优参数
项目小结
拓展练习
项目8 卷积网络深度学习
任务1 构造特征辨认图像
任务2 用卷积网络识别手写数字
项目小结
拓展练习
项目9 基于Python数据分析进行职业规划
任务1 爬取数据
任务2 清洗和整理数据
任务3 分析数据、输出报表
任务4 生成词云图
项目小结
拓展练习
参考文献