内容提要

本书以零基础讲解为特色，用实例引导读者学习，深入浅出地介绍Python机器学习的相关知识和实战技能。

全书共17章，分为5篇。第Ⅰ篇为机器学习入门篇，包含第1章，主要介绍机器学习的概念、机器学习研究的主要任务、如何选择合适的算法及机器学习研究问题的一般步骤等；第Ⅱ篇为工具模块使用篇，包含第2~4章，主要介绍数组计算NumPy、数据分析Pandas、图形展示Matplotlib等；第Ⅲ篇为专业技能提升篇，包含第5~13章，主要介绍算法综述、决策树、朴素贝叶斯、逻辑回归、支持向量机、AdaBoost、线性回归、k-means、PCA等；第Ⅳ篇为深度学习延伸篇，包含第14章，主要介绍卷积神经网络；第Ⅴ篇为项目技能实战篇，包含第15~17章，主要介绍验证码识别、答题卡识别、机器学习简历指导等。同时，本书随书赠送了大量相关的学习资料，以便读者扩展学习。

本书适用于任何想学习Python机器学习的读者。无论读者是否从事Python相关工作，是否接触过Python，均可通过学习本书快速掌握Python机器学习的开发方法和技巧。

前言

Python编程功能强大，应用广泛，在当今业界越来越流行，很多无编程基础的读者也对Python编程充满兴趣。然而网络上的资料往往良莠不齐，或是信息已经过时，或是本身存在错误，或是太过笼统不能满足读者个性化学习需求，因此编者编写此书以给想要入门Python机器学习的读者提供一个正确的学习途径。

Python具备面向对象、直译、程序代码简洁、跨平台、自由/开放源码等特点，再加上其丰富、强大的套件模块，用途十分广泛。另外，Python不像Ja-va那样要求使用者用面向对象思维编写程序。它是多重编程范式（multi-paradigm）的程序语言，允许使用者使用多种风格来编写程序，程序编写更灵活。同时，Python提供了丰富的应用程序接口（Application Program Interface，API）和工具，让程序设计人员能够轻松地编写扩展模块。

本书结合计算思维与算法的基本概念，以Python对机器学习进行讲解，内容浅显易懂。本书循序渐进地介绍Python机器学习中必须要知道的主题，具体如下。

·机器学习基础。

·数组计算NumPy。

·数据分析Pandas。

·图形展示Matplotlib。

·算法综述。

·决策树。

·朴素贝叶斯。

·逻辑回归。

·支持向量机。

·AdaBoost。

·线性回归。

·k-means。

·PCA。

·卷积神经网络。

·验证码识别。

·答题卡识别。

·机器学习简历指导。

为了降低学习难度，本书提供了所有范例的完整程序代码，并且这些代码已在Python开发环境下正确编译与运行。通过本书，读者除了可以学习用Pyth-on编写程序外，还能进行计算思维及演算逻辑的训练。目前许多学校都开设了Python机器学习的基础课程，本书非常适合作为Python机器学习相关课程的教材。

另外，本书在创作过程中，得到了河南省民办普通高等学校专业建设资助项目的基金支持，是郑州西亚斯学院的专业建设的重要成果之一。

本书由桑园任主编，王方任副主编，马亚丹、孔杰、张启亚参编，王喜军、黄鹤负责本书审核。其中，第1~2章、第4~6章、第15~17章由桑园老师编写，第7~11章、第14章由王方老师编写，第3章由马亚丹编写，第12章由孔杰编写，第13章由张启亚编写。

在编写本书的过程中，我们竭尽所能地将好的讲解呈现给读者，但难免有疏漏之处，敬请广大读者不吝指正。若读者在阅读本书时遇到困难或有疑问，抑或有任何建议，可发送邮件至zhangtianyi@ptpress.com.cn。

编者

2022年11月