"本书是《Python机器学习——原理、算法及案例实战》(第2版?微课视频?题库?AI赋能版)的配套实验教材，也可以作为实验教材单独使用。 本书面向机器学习初学者及具备一定基础的人工智能技术开发人员，旨在帮助读者系统掌握机器学习的核心概念、关键算法与实践应用能力。本书是以实验为单元组织编写的，通过精心设计的实验环节，引导读者从机器学习入门逐步到进阶提高。本书设置的实验围绕机器学习与深度学习的基本原理展开，贯穿数据分析、模型训练、可视化及工程化应用等关键环节，从人工智能开发环境的搭建、Python数据处理，到各类机器学习算法和深度学习实战项目，既有理论讲解，又有贴近实际的案例解析。全书以Python编程语言为载体，每个实验单元都包含明确的学习目标、典型示范案例和实践操作案例。单元之间层层递进，帮助读者在实践中夯实技术基础，提升编程能力及问题解决能力。完成本书学习后，读者能够独立设计并开展机器学习算法实验，分析实验结果并优化模型性能，全面掌握机器学习与深度学习的核心技能，提升解决实际问题的综合素养。 本书由浅入深，语言通俗易懂，案例设计贴近实际学习与生活场景，既凸显了机器学习与人工智能的技术前沿性，又兼顾了案例的趣味性与价值引领性。本书可作为全国高等学校各专业在“新工科”建设背景下的人工智能、机器学习等课程教材，也可作为数据分析、智能数据处理等领域的实验教材。 "

前言 本书是《Python机器学习——原理、算法及案例实战》(第2版·微课视频·题库·AI赋能版)的配套实验教材，也可以作为实验教材单独使用。 本书是以实验为单元组织编写的，通过精心设计的实验环节，引导读者从机器学习入门逐步到进阶提高。 全书包含16个实验，分别为人工智能开发环境搭建、Python数据处理基础、NumPy机器学习库、Pandas数据分析、Matplotlib数据可视化、常用机器学习库、机器学习基础、KNN分类算法、KMeans聚类算法、推荐算法实验、回归算法——线性回归、分类算法——逻辑回归、支持向量机、神经网络实战、深度学习实战和PyTorch实战。 在数据分析和可视化部分设计的实验包括世界杯分组名单查询、图像二值化处理、日常体育锻炼计划、公司业务情况可视化、中国各地区2023年第一季度GDP可视化，以及“用数据可视化讲好中国故事——世界大国经济实力历史变迁可视化”等。 在机器学习部分设计的实验包括彩色图像灰度处理、彩色图像通道合并与拆分、中文词云图、提取图像边缘、人脸检测，以及葡萄酒数据集分类、电信行业客户流失预警、学生文理科倾向预测、电商用户数据聚类、在线教育平台课程推荐、股票收盘价格预测、房价线性回归预测、泰坦尼克号数据集逻辑回归判断、医疗心血管疾病判断等。 在深度学习部分设计的实验包括基本神经网络搭建、模型性能可视化查看及调优、计算机视觉识别日常物品、葡萄酒数据集深度学习分类、PyTorch安装及使用、PyTorch对CIFAR10图片数据集分类、YOLOv5模型使用简介等。 为便于教学，本...