.<<机（jī）器（qì）学习实战>>中文版、英文（wén）版、源代码。
机（jī）器学（xué）习是人工智能（néng）研究领（lǐng）域中一个极（jí）其重（chóng）要的研究方向，在现今的大数据时代背景下，捕获数（shù）据并从中萃取有价（jià）值（zhí）的信息或模式，成为各行（háng）业（yè）求生存、谋发展的决定性手段，这使得这一过去为分析师（shī）和数学家所（suǒ）专属的（de）研究领域越来（lái）越为（wéi）人（rén）们所瞩（zhǔ）目。
本（běn）书第一（yī）部分主要（yào）介绍机器学习（xí）基础，以（yǐ）及如何利用算法进行分类，并逐步介绍了多种经（jīng）典的监督学习算（suàn）法，如k近邻算法、朴素贝（bèi）叶（yè）斯算法、Logistic回（huí）归算法（fǎ）、支持向量机、AdaBoost集（jí）成方（fāng）法、基于（yú）树的回归算法和分（fèn）类回（huí）归树（CART）算法（fǎ）等。第（dì）三部分则重（chóng）点介（jiè）绍无监督学习及其一些主要算法：k均值聚（jù）类算法、Apriori算法、FP-Growth算法（fǎ）。第四部分（fèn）介绍了机器学（xué）习算法的（de）一些附属工（gōng）具（jù）。
全书通过精心编排的实（shí）例，切入（rù）日常工（gōng）作任务，摒弃学术化语言（yán），利（lì）用高（gāo）效的可（kě）复（fù）用Python代码（mǎ）来阐释如何处理（lǐ）统（tǒng）计数（shù）据（jù），进行数据分（fèn）析及可视（shì）化。通过各种实例，读者可从（cóng）中学（xué）会机器（qì）学习的（de）核心算法，并能（néng）将其运（yùn）用于（yú）一些策略性（xìng）任务中，如（rú）分类、预测、推荐（jiàn）。另外，还可用它们来（lái）实现一些更高级的功能，如汇总和简化等。