本书针对财经类院校学生的特点，在掌握Python基本知识的基础上，介绍机器学习的原理、应用及实现，内容主要涵盖：关联规则发现、聚类、分类、回归、预测、维度约简、模型优化、模型评价等，涉及的数据结构有结构化数据、非结构化数据、半结构化数据、截面数据、面板数据等。本书使用数据领域最主流语言Python及其分析与建模库作为核心武器。对于机器学习经典算法给出完整的原理推导并基于实例进行讲解，实例演示如何应用机器学习算法解决实际问题。

王成章，中央财经大学统计与数学学院副教授。主要研究领域为大数据分析、人工智能、机器学习、优化计算，尤其侧重机器学习算法在经济、金融、因果推断等实际问题中的应用。研究成果曾在Journal of Computational Chemistry、 Economic Model-ling、DEStech Transactions on Computer Science and Engineering、ICPR、自动化学报、计算机研究与发展、数理统计与管理等期刊和会议上发表。

上篇 Python语言基础
第一章 Python基础知识
第一节 Python编码风格
第二节 Python语言的基本数据类型
第二章 Python的控制结构
第一节 Python的输入输出控制
第二节 Python的判断和循环控制
第三章 Python的函数和类
第一节 函数
第二节 类
第三节 模块
第四章 Python的高级数据结构
第一节 Array数据结构
第二节 Series数据结构
第三节 DataFrame数据结构
第五章 Python的数据可视化
第一节 Matplotib数据可视化
第二节 Seaborm和Plotly数据可视化
下篇 Python机器学习
第六章 关联规则发现
第一节 简介
第二节 关联规则发现的Python实践
第七章 聚类分析
第一节 简介
第二节 聚类分析的Python实践
第八章 维度约简
第一节 简介
第二节 维度约简的Python实践
第九章 分类分析
第一节 简介
第二节 分类分析的Python实践
第十章 预测分析
第一节 简介
第二节 预测分析的Python实践
参考文献