# 机器学习 : 全彩图解+微课+Python编程(鸢尾花书系列第7册)

> 金屋电子书图书详情的 Markdown 版本。

- 规范页面：https://alltool.top/book/5454290fdc314840b8c8763d35225896
- Markdown 版本：https://alltool.top/book/5454290fdc314840b8c8763d35225896.md
- 作者：姜伟生
- ISBN：9787302666769
- 出版社：清华大学出版社
- 出版日期：2024-08-01
- 语言：中文
- 分类：计算机、人工智能(AI)
- 评分：9.3
- 可用格式：PDF（50.71 MB，538 页）
- 更新时间：2026-08-04 12:22:25

## 下载方式

本站不在 Markdown 页面直接提供文件地址。请前往规范页面，点击对应格式的下载按钮完成下载。

### PDF

- 文件格式：PDF
- 文件大小：50.71 MB
- 页数：538 页
- 备注：开源版
- 下载说明：请打开规范页面 https://alltool.top/book/5454290fdc314840b8c8763d35225896，点击 PDF 的下载按钮完成下载。


## 内容简介

本书是“鸢尾花数学大系：从加减乘除到机器学习”丛书的最后一册，前六本解决了编程、可视化、数学、 数据方面的诸多问题，而本书将开启机器学习经典算法的学习之旅。

本书设置了 24 个话题，对应四大类机器学习经典算法（回归、分类、降维、聚类），覆盖算法包括： 回归分析、多元线性回归、非线性回归、正则化回归、贝叶斯回归、高斯过程、k 最近邻分类、朴素贝叶 斯分类、高斯判别分析、支持向量机、核技巧、决策树、主成分分析、截断奇异值分解、主成分分析进阶、 主成分分析与回归、核主成分分析、典型相关分析、 k 均值聚类、高斯混合模型、最大期望算法、层次聚类、 密度聚类、谱聚类。

本书选取算法模型的目标是覆盖 Scikit-Learn 库的常用机器学习算法函数，让读者充分理解算法理论， 又能联系实际应用。因此，在学习本书时，特别希望调用 Scikit-Learn 各种函数来解决问题之余，更要理解 算法背后的数学工具。因此，本书给出适度的数学推导以及扩展阅读。

本书提供代码示例和视频讲解，“鸢尾花书”强调在 JupyterLab 自主探究学习才能提高编程技能。本 书配套微课也主要以配套 Jupyter Notebooks 为核心，希望读者边看视频，边动手练习。

本书读者群包括所有试图用机器学习解决问题的朋友，尤其适用于机器学习入门、初级程序员转型、 高级数据分析师、机器学习进阶。