機器學習：全彩圖解+微課程+Python程序

《機器學習:全彩圖解+微課+Python編程》是“鳶尾花數學大系：從加減乘除到機器學習”叢書的最後一冊，前六本解決了編程、可視化、數學、數據方面的諸多問題，而《機器學習:全彩圖解+微課+Python編程》將開啟機器學習經典算法的學習之旅。

《機器學習:全彩圖解+微課+Python編程》設置了24個話題，對應四大類機器學習經典算法（回歸、分類、降維、聚類），覆蓋算法包括：回歸分析、多元線性回歸、非線性回歸、正則化回歸、貝葉斯回歸、高斯過程、k最近鄰分類、樸素貝葉斯分類、高斯判別分析、支持向量機、核技巧、決策樹、主成分分析、截斷奇異值分解、主成分分析進階、主成分分析與回歸、核主成分分析、典型相關分析、k均值聚類、高斯混合模型、最大期望算法、層次聚類、密度聚類、譜聚類。本書選取算法模型的目標是覆蓋Scikit-Learn庫的常用機器學習算法函數，讓讀者充分理解算法理論，又能聯繫實際應用。因此，在學習《機器學習:全彩圖解+微課+Python編程》時，特別希望調用Scikit-Learn各種函數來解決問題之餘，更要理解算法背後的數學工具。因此，《機器學習:全彩圖解+微課+Python編程》給出適度的數學推導以及擴展閱讀。本書提供代碼示例和視頻講解，“鳶尾花書”強調在JupyterLab自主探究學習才能提高編程技能。本書配套微課也主要以配套Jupyter Notebooks為核心，希望讀者邊看視頻，邊動手練習。

《機器學習:全彩圖解+微課+Python編程》讀者群包括所有試圖用機器學習解決問題的朋友，尤其適用於機器學習入門、初級程序員轉型、高級數據分析師、機器學習進階。



姜偉生，博士，FRM。勤奮的小鎮做題家，熱愛知識可視化和開源分享。自2022年8月開始，在GitHub上開源“鳶尾花書”學習資源，截至2024年5月，已經分享5000多頁PDF、5000多幅矢量圖、約3000個代碼文件，全球讀者數以萬計，GitHub全球排名TOP100。