本书基于Python语言，结合实际的数据集，介绍了机器学习算法以及数据分析方法的应用。本书主要包含两部分内容，第一部分为Python机器学习入门知识：主要介绍了Python的基础内容、Numpy与Pandas库数据操作、Matplotlib与Seaborn库数据可视化、Sklearn库机器学习，以及与机器学习相关的基础知识；第二部分为Python机器学习算法应用：主要介绍了数据的回归预测分析、时间序列预测，数据无监督学习中的聚类、降维以及关联规则，数据分类模型的应用以及针对文本数据与网络图数据的机器学习算法应用。 本书适合对机器学习、数据分析感兴趣的初学者学习，也可作为Python机器学习、数据分析、数据可视化的入门及进阶的教材。

第1章 Python机器学习快速入门
1.1 Python安装
1.1.1 安装Anaconda
1.1.2 安装Python库
1.2 Python常用数据类型
1.2.1 列表
1.2.2 元组
1.2.3 字典
1.2.4 集合
1.2.5 字符串
1.3 Python条件、循环与函数
1.3.1 条件判断语句
1.3.2 循环语句
1.3.3 函数
1.4 机器学习简介
1.4.1 无监督学习
1.4.2 有监督学习
1.4.3 半监督学习
1.4.4 常用机器学习算法
1.5 本章小结
第2章 Python中的常用库
2.1 Numpy库
2.1.1 Numpy数组生成
2.1.2 Numpy数组运算
2.1.3 Numpy数组操作
2.1.4 Numpy常用函数
2.2 Pandas库
2.2.1 Pandas数据生成和读取
2.2.2 Pandas数据操作
2.2.3 Pandas数据可视化
2.3 Matplotlib库
2.3.1 Matplotlib可视化基础
2.3.2 Matplotlib数据可视化实战
2.4 Seaborn库
2.4.1 Seaborn库功能简介
2.4.2 Seaborn库数据可视化实战
2.5 Sklearn库
2.5.1 Sklearn库功能简介
2.5.2 Sklearn库应用实战
2.6 本章小结
第3章 机器学习流程
第4章 模型的选择与评估
第5章 回归模型
第6章 无监督模型
第7章 分类模型
第8章 高级数据回归算法
第9章 非结构数据机器学习
第10章 综合实战案例：中药材鉴别
参考文献