章机器学习的基本概念
1.1数据挖掘和机器学习
1.1.1从AlphaGo说起
1.1.2数据挖掘和机器学习的关系
1.1.3大数据和机器学习的关系
1.1.4机器学习的思维导图
1.1.5机器学习的一般流程
1.2数据和数据集
1.3数据预处理
1.3.1数据清理
1.3.2数据集成和融合
1.3.3数据变换
1.3.4数据规约
1.4机器学习的经典算法
1.5监督学习和无监督学习
1.6机器学习任务举例
1.7Python机器学习
第2章最小二乘法
2.1最小二乘法应用场景
……

《图解机器学习——算法原理与Python语言实现》从应用场景出发，利用大量图解和流程图相结合的方式讲解机器学习的基本知识及其常用经典算法的应用，全书没有大篇幅的理论介绍和复杂的数学公式推导，也没有生涩难懂的专业术语，而是通过浅显易懂的图示、直观的流程图以及与生活息息相关的实例应用让读者轻松学习和掌握机器学习知识，从而明白机器学习是如何影响和改变人类生活的。
本书共14章，覆盖了监督学习、半监督学习、无监督学习、增强学习和机器学习新算法等内容。具体包括很小二乘法、很近邻算法、贝叶斯分类、支持向量机分类、增强学习AdaBoost、决策树算法、无监督k-Means聚类、Apriori关联规则算法、PageRank排序、EM参数估计、半监督学习、深度学习和迁移学习。
全书14章构成了机器学习从经典到现代的体系框架，每章也可独立阅读。本书适合机器学习的入门者学习，如果读者已经具有Python的开发经验，则可以更好地学习本书内容。