内容简介

获得在日常工作中应用机器学习所需的信心。不需要你拥有高深的学术背景，作者Matthew Kirk通过这本实用的指南向你展示了如何在代码中集成和测试机器学习的算法。

通过书中的图表和重点标记的代码示例，本书着重介绍了Python的NumPy、Pandas、Scikit-learn和SciPy等数据科学相关类库的测试。 如果你是对数据科学感兴趣的软件工程师或业务分析师，本书将帮助你：

 参考一些实例，来参与、动手练习每个算法。

 在开始编写代码之前，应用测试驱动开发（TDD）来编写和运行测试。

 利用数据抽取和特征开发，来探索改进机器学习模型的技术。

 注意机器学习的风险，例如数据的欠拟合或过拟合。

 学会使用K-最近邻（KNN）、神经网络、聚类和其他算法。

图书目录

前言1

第1章 5

可能近似正确的软件5

正确地编写软件6

编写正确的软件10

本书计划16

第2章 快速介绍机器学习18

什么是机器学习18

有监督学习18

无监督学习19