本书前6章介绍基础准备、数据探索、数据预处理、机器学习模型（分类、回归、聚类）、集成学习、模型评估及持久化；第7章介绍机器学习在土木工程中的应用场景，并以五个工程案例系统化讲解SKlearn库的应用。 本书“轻原理、重实践”，适合广大对机器学习有兴趣，并且想系统学习数理统计的读者；也可用作机器学习培训、高校教材或作为学习SKlearn库的工具书。

第1章基础准备1.1机器学习11.1.1机器学习概述11.1.2机器学习任务21.1.3机器学习经验31.1.4机器学习性能31.2Python编程41.2.1Python41.2.2NumPy和SciPy51.2.3Matplotlib61.2.4Pandas61.2.5SKlearn61.2.6Yellowbrick71.3Python环境配置71.3.1安装Anaconda81.3.2运行JupyterNotebook8第2章数据探索2.1数据读取和保存112.1.1TXT数据112.1.2CSV数据132.1.3XLS数据132.1.4SQL数据142.1.5NOSQL数据152.2数据特征分析152.2.1描述性统计152.2.2分布分析162.2.3对比分析192.2.4相关性分析20I 机器学习实战——基于PythonSKlearn的解析