★ML最強套件scikit-learn✕經典演算法，帶領你徹底攻略所有ML必備理論與實踐技能！
【本書內容】
機器學習是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。其研究電腦模擬或實現人類的學習行為，獲取新的知識，重新組合現有知識結構並改善自身的效能。
本書針對機器學習領域描述了多個學習模型、策略、演算法、理論以及應用，以Python3為基礎，使用scikit-learn解決實際問題。
全書完整介紹機器學習基本概念、演算法流程、模型建構、資料訓練、模型評估與最佳化、必備工具和實現方法，並佐以實際案例，以機器學習的經典演算法為軸線：演算法分析▶資料獲取▶模型建構▶推斷▶演算法評估，讓你理論與實踐技能一次學會，輕易上手。
【本書特色】
ML的最佳參考書，scikit-learn的最紮實實戰應用，亦為深入AI技術的優良基礎！
●機器學習概述
●資料特徵提取
●scikit-learn估計器分類
●單純貝氏分類
●簡單線性迴歸到多元線性迴歸
●k近鄰演算法分類
●線性迴歸到邏輯迴歸
●非線性分類與決策樹迴歸
●決策樹到隨機森林
●感知機到支持向量機
●從感知機到類神經網路
●主成分分析降維
