余本国，博士，硕士研究生导师，安徽安庆人。2001年毕业于石河子大学数学系，同年到华北工学院(后更名为中北大学)理学系任教，主讲线性代数、微积分、Python语言、大数据分析基础等课程。2012年到加拿大York University做访问学者。出版有《感受加拿大游学周记》《Python数据分析基础》等著作。

第1章 机器学习简介
1.1 机器学习的任务
1.2 机器学习的三种方式
1.3 机器学习系统的建立
1.4 机器学习实例
第2章 Python常用库介绍
2.1 Python的安装(Anaconda)
2.1.1 Spyder
2.1.2 Jupyter Notebook
2.2 Python常用库
2.2.1 Numpy库
2.2.2 Pandas库
2.2.3 Matplotlib库
2.2.4 Statsmodels库
2.2.5 Scikit-learn库
2.3 其他Python常用的数据库
2.4 Python各种库在机器学习中的应用
第3章 数据的准备和探索
3.1 数据预处理
3.2 数据假设检验
3.3 数据间的关系
3.4 数据可视化
3.5 特征提取和降维
第4章 模型训练和评估
4.1 模型训练技巧
4.2 分类效果的评价
4.3 回归模型评价
4.4 聚类分析评估
第5章 回归分析
5.1 回归分析简介
5.2 多元线性回归分析
5.2.1 多元线性回归
5.2.2 逐步回归
5.3 Lasso回归分析
5.4 Logistic回归分析
5.5 时间序列预测
第6章 关联规则
6.1 关联规则简介
6.2 使用关联规则找到问卷的规则
6.3 关联规则可视化
第7章 无监督学习
7.1 无监督学习介绍
7.2 系统聚类
7.3 K-均值聚类
7.4 密度聚类
7.5 Mean Shift聚类
7.6 字典学习图像去噪
第8章 文本LDA模型
8.1 文本分析简介
8.2 中文分词
8.3 LDA主题模型分析《红楼梦》
8.4 红楼梦人物关系
第9章 决策树和集成学习
9.1 模型简介
9.2 泰坦尼克号数据预处理
9.3 决策树模型
9.4 决策树剪枝
9.5 随机森林模型
9.6 AdaBoost模型
第10章 朴素贝叶斯和K近邻分类
10.1 模型简介
10.2 垃圾邮件数据预处理
10.3 贝叶斯模型识别垃圾邮件
10.4 基于异常值检测的垃圾邮件查找
10.4.1 PCA异常值检测
10.4.2 Isolation Forest异常值检测
10.5 数据不平衡问题的处理
10.6 K近邻分类
第11章 支持向量机和神经网络
11.1 模型简介
11.2 肺癌数据可视化
11.3 支持向量机模型
11.4 全连接神经网络
第12章 深度学习入门
12.1 深度学习介绍
12.2 卷积和池化
12.3 CNN人脸识别
12.4 CNN人脸检测
12.5 深度卷积图像去噪
12.5.1 空洞卷积
12.5.2 图像与图像块的相互转换
12.5.3 一种深度学习去噪方法

随着大数据的兴起，Python和机器学习迅速成为时代的宠儿。本书在内容编排上避免了枯燥的理论知识讲解，依循“理论简述——实际数据集——Python程序实现算法”分析数据的思路，根据实际数据集的分析目的，采用合适的主流机器学习算法来解决问题。全书共12章，其中第1～4章介绍了机器学习的基础知识；第5～12章讨论了在面对不同的数据时，如何采用一些主流的算法来解决问题，主要包括回归分析、关联规则、无监督学习、文本LDA模型、决策树和集成学习、朴素贝叶斯和K 近邻分类、支持向量机和神经网络，以及深度学习入门等内容。针对每个算法，都给出Python代码实现算法建模的过程，并结合可视化技术，帮助读者更好地理解算法和分析结果。
本书是使用Python 进行机器学习的入门实战教程，可作为以Python为基础进行机器学习的本科生和研究生入门书籍，也可供对Python机器学习感兴趣的研究人员参考阅读。