机器学习关注于预测，其核心是一种基于数学和算法的技术，要掌握该技术，需要对数学及统计概念有深入理解，能够熟练使用R 语言或者其他编程语言。
本书通过集中介绍两类可以进行有效预测的机器学习算法，展示了如何使用Python 编程语言完成机器学习任务，从而降低机器学习难度，使机器学习能够被更广泛的人群掌握。
作者利用多年的机器学习经验带领读者设计、构建并实现自己的机器学习方案。本书尽可能地用简单的术语来介绍算法，避免复杂的数学推导，同时提供了示例代码帮助读者迅速上手。读者会很快深入了解模型构建背后的原理，不论简单问题还是复杂问题，读者都可以学会如何找到问题的解决算法。书中详细的示例，给出了具体的可修改的代码，展示了机器学习机理，涵盖了线性回归和集成方法，帮助理解使用机器学习方法的基本流程。
本书为不具备数学或统计背景的读者量身打造，详细介绍了如何：
● 针对任务选择合适算法； ● 对不同目的应用训练好的模型；
● 学习数据处理机制，准备数据； ● 评估模型性能以保证应用效果；
● 掌握Python 机器学习核心算法包； ● 使用示例代码设计和构建你自己的模型；
● 构建实用的多功能预测模型。
本书电子版及其他资料免费下载：添加微信：cnsk27（一定要备注："资料")
