附注提要
本书共分12章。首先, 内容上涵盖了众多主流和核心机器学习算法, 以及相关重要知识点。其次, 结构安排上, 在第1章概述和第2章Python基础介绍后, 第3章集中对数据预测建模的各个方面进行了总览论述, 旨在帮助学习者把握机器学习的整体知识框架。后续第4章至第9章依知识难度, 由浅入深展开数据预测建模的讨论, 包括朴素贝叶斯分类器、近邻分析、决策树、集成学习、人工神经网络、支持向量机等。第10、11章讨论特征选择和特征提取, 作为数据预测建模的重要补充。第12章关注机器学习中的聚类算法。此外, 每章的Python代码能够很好地帮助学习者进一步深刻理解原理, 掌握和