第1章 緒論 1.1 人類的學習與機器的學習 1.1.1 人類的學習 1.1.2 機器的學習 1.2 機器學習與機器智能 1.2.1 機器學習的概念 1.2.2 機器學習如何實現機器智能 1.3 機器學習的發展歷程 1.4 機器學習的類型 1.5 機器學習的主要方法 1.6 機器學習的主要算法 1.6.1 傳統機器學習算法 1.6.2 新型機器學習算法 1.7 機器學習的典型應用與發展趨勢 1.7.1 機器學習的典型應用 1.7.2 機器學習的發展趨勢 1.8 如何閱讀本書 總結 習題 第2章 機器學習經典分類算法 2.1 回歸算法 2.1.1 基本形式 2.1.2 線性回歸 2.1.3 邏輯回歸 2.1.4 線性回歸案例分析 2.1.5 邏輯回歸案例分析 2.2 決策樹算法 2.2.1 樹形決策過程 2.2.2 訓練算法 2.2.3 案例分析 2.3 支持向量機 2.3.1 線性分類器 2.3.2 支持向量機原理 2.3.3 案例分析 2.4 kNN算法 2.4.1 基本概念 2.4.2 預測算法 2.4.3 距離定義 2.4.4 案例分析 2.5 貝葉斯算法 2.5.1 貝葉斯決策 2.5.2 樸素貝葉斯分類器 2.5.3 正態貝葉斯分類器 2.5.4 案例分析 總結 習題 第3章 機器學習經典聚類及集成與隨機森林算法 3.1 k-means算法 3.1.1 相似性的度量 3.1.2 k-means算法原理