书 号：978-7-5763-6227-5
主 编：李剑锋 段林茂
定 价：42.00元
出版日期：2026年1月
出版单位：北京理工大学出版社
李剑锋
中国计量大学副教授
信息管理与信息系统系主任
数字化与数据智能研究所所长
加州大学尔湾分校访问学者。承担Java程序设计、数据科学导论、互联网程序设计等课程教学。主持省一流线下课程“数据科学导论”，参与参与省一流实践课程“数据仓库与数据挖掘课程设计”建设。教学研究及获奖情况：参编教材1部，正在编著教材1部；“数据科学导论”获得校一流课程立项，同时获思政类重点建设课程；获第九届“我最喜爱的老师”称号；校优秀班主任，所带班级为校级优良学风班；全国大学生电子商务大赛优秀指导教师；指导学生获全国大学生电子商务竞赛一等奖、浙江省电子商务大赛一等奖、二等奖；获校青年教师讲课比赛三等奖，教师板书设计比赛二等奖。
本书系统讲述Python机器学习实践的内容，包括分类算法——决策树学习、支持向量机、聚类分析、集成学习、神经网络学习、机器视觉、模型评价、知识图谱、人工智能大模型与智能问答。全书以案例的形式循序渐进地进行讲解，将理论与实践结合。每章配有习题，以指导读者深人地进行学习。
本书既可作为高等学校Python机器学习课程的教材，也可作为机器学习实战人员的技术参考书。
扫码查看本书详情
基础扎实
从Python出发构建完整知识铺垫项目最新进展
机器学习的学习门槛，不仅在于算法本身的复杂度，更在于缺乏从语言基础到模型实现的平滑过渡。本书以Python语言为基石，从基础语法到数据操作，循序渐进地搭建起通向算法世界的桥梁。每一章均从理论基础入手，先讲清“是什么”“为什么”，再引导读者动手实践“怎么做”，真正破除“只懂概念、不会写代码”的困境，让基础薄弱的学习者也能轻松入门。
全书九章，按照“分类—聚类—集成—神经网络—视觉—评价—知识图谱—大模型”的认知逻辑层层递进：从决策树、支持向量机等经典分类算法起步，经聚类分析、集成学习，到神经网络、机器视觉，再到模型评价、知识图谱，最终收束于当前最受关注的人工智能大模型与智能问答。
学原理容易，用起来难。本书的每一章均配有具有实际意义的综合案例，涵盖完整可运行的Python代码、典型数据集以及逐步解析。从决策树的分类任务到支持向量机的边界优化，从神经网络的手写识别到机器视觉的图像处理，案例覆盖主流应用场景，代码规范清晰，真正实现“学完一章，就能动手做一个项目”。
在实际的机器学习项目中，“模型效果不好，该怎么调？”“分类问题选什么评价指标？”“集成学习和神经网络各适合什么场景？”——这些“做过才知道”的经验，往往是传统教材的空白地带。本书专设模型评价章节，系统讲解准确率、召回率、F1值、ROC曲线等核心指标，并结合各算法的特点给出选型对比与实践建议，为读者在实际项目中做出合理设计选择提供直接参考，大幅降低从理论到落地的试错成本。
适合谁读
►高等院校计算机科学、数据科学、人工智能等相关专业的师生
►希望系统学习机器学习并掌握Python实践的初学者
►从事数据分析、AI应用开发的科研人员与工程技术人员
►对大模型、智能问答等前沿技术感兴趣的爱好者
读者可以按照章节顺序系统学习，建立完整的知识体系；也可以根据自己的兴趣和需求，选择特定章节（如大模型与智能问答、机器视觉等）进行重点突破。每章末尾的练习题和综合案例，是巩固所学、检验效果的最佳“试金石”。
10个月宝宝每天需要喝多少奶粉？
