第1章 简介篇 1
1.1 机器学习综述 1
1.1.1 任务 3
1.1.2 经验 5
1.1.3 性能 5
1.2 Python编程库 8
1.2.1 为什么使用Python 8
1.2.2 Python机器学习的优势 9
1.2.3 NumPy＆SciPy 10
1.2.4 Matplotlib 11
1.2.5 Scikit-learn 11
1.2.6 Pandas 11
1.2.7 Anaconda 12
1.3 Python环境配置 12
1.3.1 Windows系统环境 12
1.3.2 Mac OS系统环境 17
1.4 Python编程基础 18
1.4.1 Python基本语法 19
1.4.2 Python数据类型 20
1.4.3 Python数据运算 22
1.4.4 Python流程控制 26
1.4.5 Python函数（模块）设计 28
1.4.6 Python编程库（包）的导入 29
1.4.7 Python基础综合实践 30
1.5 章末小结 33
第2章 基础篇 34
2.1 监督学习经典模型 34
2.1.1 分类学习 35
2.1.2 回归预测 64
2.2 无监督学习经典模型 81
2.2.1 数据聚类 81
2.2.2 特征降维 91
2.3 章末小结 97
第3章 进阶篇 98
3.1 模型实用技巧 98
3.1.1 特征提升 99
3.1.2 模型正则化 111
3.1.3 模型检验 121
3.1.4 超参数搜索 122
3.2 流行库／模型实践 129
3.2.1 自然语言处理包（NLTK） 131
3.2.2 词向量（Word2Vec）技术 133
3.2.3 XGBoost模型 138
3.2.4 Tensorflow框架 140
3.3 章末小结 152
第4章 实战篇 153
4.1 Kaggle平台简介 153
4.2 Titanic罹难乘客预测 157
4.3 IMDB影评得分估计 165
4.4 MNIST手写体数字图片识别 174
4.5 章末小结 180
后记 181
参考文献 182