随着机器学习算法的普及，开发和优化这些算法的新工具也得到了发展。本书首先介绍了scikit-learn包，学习如何使用scikit-learn语法；学习监督模型和无监督模型之间的差异，以及为每个数据集选择适当算法的重要性；学习将无监督聚类算法应用到真实的数据集中，发现其中的规律，并在探索中解决无监督机器学习问题。其次，本书重点研究监督学习算法，学习如何使用scikit-learn包实现不同的监督算法以及如何开发神经网络架构；还将了解如何采用合乎逻辑的结果分析，并通过调节超参数来改善算法的性能。
本书理论讲解与练习实例相结合，并通过大量的活动指导读者进行真实数据集的模拟训练。学完本书将知道如何描述监督模型和无监督模型之间的差异，以及如何将一些流行的算法应用于现实生活中的数据集中，将获得诸多技能并有信心编写机器学习算法。
本书面向机器学习领域的新手和希望学习如何使用scikit-learn库开发机器学习算法的开发人员。读者需要具备Python编程方面的一些知识和经验，但不需要任何关于scikit-learn或机器学习算法的先验知识。

编辑推荐

本书面向机器学习领域的新手和希望学习如何使用scikit-learn库开发机器学习算法的开发人员。读者需要具备 Python编程方面的一些知识和经验，但不需要任何关于scikit-learn或机器学习算法的先验知识。
本书通过大量实例应用与活动练习，手把手教你一步一步地构建完整的机器学习程序和如何将一些流行的算法应用于现实生活中的数据集中。
学完本书，将获得诸多技能并有信心编写机器学习算法。