本书系统地介绍了机器学习的相关知识。本书共12章，内容包括机器学习、机器学习的数学基础、不同格式数据的读取与写入、数据预处理、回归、决策树分类、贝叶斯分类、支持向量机分类、聚类、人工神经网络、OpenCV图像识别、TensorFlow深度学习。
本书可作为高等院校计算机、人工智能、软件工程、信息管理等相关专业的机器学习课程教材，也可作为相关技术人员的参考书。

曹洁，博士，毕业于同济大学电子与信息工程学院计算机软件与理论专业；主要研究方向是并行分布式处理、云计算、大数据；主持和参与国家级、省部级项目5项；在《软件学报》《计算机研究与发展》《通信学报》等国内外核心刊物上发表学术论文12篇；主讲“Python语言程序设计”“大数据技术及应用”“云计算技术”等课程；主编《Python语言程序设计》（微课版），参编《数据挖掘》《Struts2+Hibermate框架技术教程》（第2版）等多部教材。

第1章 机器学习
1.1 机器学习的概念
1.2 机器学习的形式
1.2.1 监督学习
1.2.2 无监督学习
1.2.3 强化学习
1.3 构建机器学习系统的一般流程
1.3.1 数据预处理
1.3.2 选择预测模型并进行训练、诊断与调优
1.3.3 模型验证与使用未知数据进行预测
1.4 机器学习的典型应用
1.4.1 语音识别
1.4.2 人脸识别
1.4.3 机器翻译
1.5 本章小结
第2章 机器学习的数学基础
2.1 相似性和相异性的度量
2.1.1 数据对象之间的相异度
2.1.2 数据对象之间的相似度
2.2 基于梯度的优化方法
2.2.1 方向导数
2.2.2 梯度
2.2.3 梯度下降优化方法
2.3 概率与统计基础
2.3.1 概率基础
2.3.2 常用的概率分布
2.3.3 联合分布
2.3.4 随机变量的数字特征
2.3.5 最大似然参数估计
2.4 矩阵基础
2.4.1 矩阵的基本概念
2.4.2 特征值与特征向量
2.4.3 矩阵相似
2.4.4 矩阵分解
2.4.5 主成分分析
2.4.6 矩阵运算Python实现
2.5 本章小结
第3章 不同格式数据的读取与写入
3.1 使用csv模块读取和写入csv文件
3.1.1 使用csv.reader（）读取csv文件
3.1.2 使用csv.writer（）写入csv文件
3.1.3 使用csv.DictReader（）读取csv文件
3.1.4 使用csv.DictWriter（）写入csv文件
3.2 使用python-docx模块处理Word文档
3.2.1 创建与保存Word 文档
3.2.2 读取Word文档
3.2.3 写人Word文档
3.3 Excel的文件读与写
3.3.1 利用xlrd模块读Excel文件
3.3.2 利用xlwt模块写Excel文件
3.4 pandas读写不同格式的数据
3.4.1 读写csv文件
3.4.2 读取txt文件
3.4.3 读写Excel文件
3.4.4 读写MySQL数据库
3.5 NumPy读写数据文件
3.5.1 读写二进制文件
3.5.2 读写文本文件
3.6 读写JSON数据
3.6.1 JSON数据格式
3.6.2 Python解码和编码JSON数据
3.6.3 Python操作JSON文件
3.7 本章小结
第4章 数据预处理
第5章 回归
第6章 决策树分类
第7章 贝叶斯分类
第8章 支持向量机分类
第9章 聚类
第10章 人工神经网络
第11章 OpenCV图像识别
第12章 TensorFlow深度学习
参考文献