什么是机器学习？机器学习能做什么？本书将带你走进机器学习的世界。 本书面向机器学习初学者，以山羊博士和双叶同学的教学漫画情境为引，以对话和图解为主要展现形式，从查看样本数据开始，循序渐进地讲解机器学习的基本语法、各种算法和编程样例。最后，本书通过图像预测数字，让读者体验机器学习的开发过程。 本书适合Python初学者自学，也可用作青少年编程、STEM教育、人工智能启蒙教材。

第1章 机器学习的准备
第1课 什么是机器学习？
机器学习概述
数据分析和机器学习的区别
第2课 区分即理解
机器学习算法的本质——画线
为了准确区分，有意义的特征量尤为重要
第3课 机器学习的准备工作
在Windows中安装Jupyter Notebook
在macOS上安装Anaconda
为Jupyter Notebook安装必要的库
启动Jupyter Notebook 29Notebook的基本使用方法
第2章 查看样本数据
第4课 scikit-learn样本数据集
鸢尾花品种数据集
第5课 自动生成样本数据集
自动生成用于分类的数据集（聚类形）
自动生成用于分类的数据集（月牙形）
自动生成用于分类的数据集（双环形）
自动生成用于分类的数据集（同心圆形）
自动生成用于回归的数据集
第3章 了解机器学习的步骤
第6课 准备数据
第7课 划分训练数据和测试数据
第8课 选择模型进行训练
第9课 测试模型
第10课 输入新值并预测
第11课 将分类状态可视化
第4章 机器学习的各种算法
第12课 回归：线性回归
线性回归是什么算法？
模型的使用方法
试验
第13课 分类：逻辑回归
逻辑回归是什么算法？
模型的使用方法
试验
第14课 分类：SVM
模型的使用方法
试验
第15课 分类：决策树
决策树是什么算法？
模型的使用方法
试验
第16课 分类：随机森林
随机森林是什么算法？
模型的使用方法
试验
第17课 分类：k-NN
k-NN是什么算法？
模型的使用方法
试验
第18课 聚类：k-means
k-means是什么算法？
模型的使用方法
试验
第5章 小智回归！根据图像预测数字
第19课 准备数据
新建Notebook文件
第20课 准备训练数据
第21课 训练模型
第22课 预测
在Jupyter Notebook中上传文件
读取图像，预测数字
第23课 利用无监督学习将数据可视化
第24课 学无止境