面对机器学习领域数量繁多又互有交叉的知识点，就像身处一大片繁茂的森林，没有指南设备很难不迷失方向，而大量好不容易挤出来的宝贵时间就浪费在辨别方向上了。首先介绍机器学习究竟是什么，特别是与“人工智能”“深度学习”这些经常在一起出现的术语究竟有什么关系，又有什么区别。对当前机器学习算法常用的Python编程语言以及相关的Python库进行介绍，同时列举一些常用的功能。

《机器学习算法的数学解析与Python实现》PDF+源代码+莫凡
《机器学习算法的数学解析与Python实现》PDF，277页，有书签，文字可复制；莫凡著。
下载: https://pan.baidu.com/s/18WhB6P0JHhOdgN6JDFEluw?pwd=nzjv
提取码: nzjv


第一款机器学习算法是线性回归，对回归问题、线性模型和如何用线性模型解决回归问题，以及对机器学习解决问题的主要模式进行介绍。当下机器学习应用最广的分类问题，第一款解决分类问题的算法是Logistic回归分类算法，即用线性模型结合Logistic函数解决分类问题。

KNN分类算法不依赖太复杂的数学原理，因此一般被认为是最直观好懂的分类算法之一。朴素贝叶斯分类算法，它基于贝叶斯公式设计，理论清晰、逻辑易懂，是一款典型的基于概率统计理论解决分类问题的机器学习算法。