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，本书提供程序源码和实验素材等资源，扫描封底的文泉云盘防盗码，再扫描目录上方的二维码可以下载。

本书实验1~4由韩龙哲编写，实验5~15由刘艳编写，实验16由陈宇皓编写。全书的修改及统稿工作由刘艳完成。

在此感谢清华大学出版社和全国高等学校计算机教育研究会的大力支持，感谢各高校人工智能专业教师在使用本书的过程中提出的宝贵意见和建议，感谢华东师范大学的大力支持，感谢皮雯旭、陈雅云、方丽、董坚等同学对实验的检验。

希望本书能为读者在机器学习领域的学习和实践提供帮助，如果读者在学习过程中有任何建议和意见，欢迎随时反馈。

编者2026年1月