●譯者序
前言
第1章 什麼是機器學習
第2章 機器學習種類
2.1 監督學習
2.2 非監督學習
2.3 強化學習
第3章 機器學習工具箱
3.1 數據
3.2 基礎設施
3.3 算法
3.4 可視化
3.5 高級工具箱
3.6 大數據
3.7 高級基礎設施
3.8 高級算法
第4章 數據清洗
4.1 特征選擇
4.2 行壓縮
4.3 One-hot編碼
4.4 分箱
4.5 缺失值
第5章 設置數據
5.1 交叉驗證
5.2 需要多少數據
第6章 回歸分析
6.1 計算示例
6.2 邏輯回歸
6.3 支持向量機
第7章 聚類
7.1 k近鄰
7.2 k均值聚類
7.3 設置k值
第8章 偏差和方差
第9章 人工神經網絡
9.1 概述
9.2 構建神經網絡
第10章 決策樹
10.1 構建決策樹
10.2 隨機森林
10.3 Boosting
第11章 集成建模
第12章 開發環境
12.1 導庫
12.2 導入數據集並預覽
12.3 查找行
12.4 打印列名
第13章 使用Python構建模型
13.1 導庫
13.2 導入數據集
13.3 清洗數據集
13.4 清洗過程
13.5 分割數據
13.6 選擇算法並配置超參數
13.7 評估結果
第14章 模型優化
14.1 模型優化代碼
14.2 網格搜索模型代碼
第15章 模型測試
第16章 其他資源
16.1 機器學習
16.2 人工智能的未來
16.3 編程
16.4 推薦繫統
16.5 深度學習
16.6 未來生涯
第17章 數據集下載
17.1 世界幸福報告數據集
17.2 酒店評論數據集
17.3 精釀啤酒數據集
參考文獻

本書是一本機器學習入門的推薦圖書，書中沒有讓人頭暈眼花的公式推導，而是通過一些易於理解的類比、案例以及圖片，以通俗易懂的方式講解了機器學習中的一些名詞和常見算法，使初學者能夠很容易地掌握機器學習的相關概念工具、數據處理、回歸與分析、建模與優化等內容。書中還介紹了使用代碼構建一個機器學習模型，將讀者帶入實踐環節。本書非常適合沒有任何基礎的人工智能愛好者學習使用；對於對機器學習領域還不是很了解的讀者來說，本書也是一本非常好的入門書籍。