机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术进一步发展。
机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，例如，数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA 序列测序、语音和手写识别、战略游戏和机器人运用。
按学习形式分类，机器学习可以分为监督学习和非监督学习。监督学习主要应用于分类和预测，是从给定的训练数据集中分析出一个函数，当新的数据到来时，可以根据这个函数预测结果。而非监督学习又称归纳性学习，利用K 方式、建立中心，通过循环和递减运算来减小误差，达到分类的目的。
市场上的大多数书要么太肤浅，要么过于深奥让初学者望而生畏。本书摒弃那种展现机器学习中核心算法和理论的方式，只简单介绍Python 中一些使机器学习成为可能的基本库，例如如何使用NumPy 库操作数字数组，如何使用Pandas库处理表格数据，如何使用matplotlib 库可视化数据。
然后讨论进行机器学习的准备工作，例如获取样例数据集、生成自己的数据集、执行数据清理以及从数据集中删除异常值等。接着通过示例展示常用的机器学习算法，如分类、回归、聚类；主要讲解了线性回归、逻辑回归、SVM(包括线性内核和RBF 内核)、kNN 等算法。
本书还包含一章，主要介绍如何使用Microsoft Azure Machine Learning Studio，通过拖放操作来构建机器学习模型，而不需要编写代码。最后讨论如何部署所构建的模型，以使运行在移动和桌面设备上的客户机应用程序可以使用这些模型。
本书的主要意图是让尽可能多的开发人员能够阅读本书。本书不要求读者具有深厚的知识背景，而是在必要时介绍其他一些学科的基本概念，但读者应该具备一些Python 编程的基本知识，以及一些基本的统计知识。
本书可作为计算机科学与工程、统计学和社会科学等专业的大学生或研究生的教材，也可作为软件研究人员或从业人员的参考资料。
本文节选自《Python 机器学习》一书
书名：《Python机器学习》
ISBN:9787302551973
定价：68元
出版时间：2020-6-1
京东移动端链接：https://item.m.jd.com/product/12672565.html
内容简介：
随着计算能力的快速增长，大量任务都可在台式机上完成；在这样的背景下，机器学习应运而生，成为当今炙手可热的话题。但初出茅庐的新手常对机器学习感到十分畏惧；为给这些新手扫清障碍，《Python机器学习》采用循序渐进的方式，先讲解底层技术，然后引导读者学习更高级的机器学习技巧。
《Python机器学习》首先介绍Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib。一旦牢固地掌握了基础知识，即可开始基于Python和Scikit-learn库进行机器学习，深入了解各种机器学习算法(如回归、聚类和分类)的底层工作原理。本书专门用一章的篇幅讲解如何使用Azure Machine Learning Studio进行机器学习；利用该平台，开发人员不必编写代码即可开始构建机器学习模型。本书最后讨论如何部署供客户端应用程序使用的已构建模型。
《Python机器学习》面向机器学习新手，主要内容如下：
● Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib库
● 常见的机器学习算法，包括回归、聚类、分类和异常检测
● 使用Python和Scikit-learn库进行机器学习
● 将机器学习模型部署为Web服务
● 使用Microsoft Azure Machine Learning Studio进行机器学习
● 演习机器学习模型构建方案的实例