__eol__绪论 1__eol__0.1 机器学习综述 1__eol__0.1.1 机器学习的含义 1__eol__0.1.2 机器学习的应用场景 1__eol__0.1.3 机器学习类型 3__eol__0.1.4 相关术语 5__eol__0.1.5 人工智能、机器学习与深度学习 6__eol__0.2 开发环境搭建 8__eol__0.2.1 Windows系统环境 8__eol__0.2.2 Ubuntu系统环境 17__eol__0.3 Python编程基础 17__eol__0.3.1 Python简介 17__eol__0.3.2 Python基本语法 18__eol__0.3.3 Python数据类型 19__eol__0.3.4 Python常用语句 28__eol__0.3.5 Python函数（模块）设计 33__eol__0.3.6 Python编程库（包）的导入 38__eol__案例1 泰坦尼克号数据分析与预处理 39__eol__1.1 案例描述及实现 39__eol__1.2 案例详解及示例 43__eol__1.3 支撑技术 45__eol__1.3.1 Numpy 45__eol__1.3.2 Matplotlib 52__eol__1.3.3 Pandas 61__eol__1.3.4 Scikit-learn 64__eol____eol__案例2 良/恶性乳腺癌肿瘤预测 66__eol__2.1 案例描述及实现 66__eol__2.2 案例详解及示例 69__eol__2.2.1 数据预处理 69__eol__2.2.2 linear_model 71__eol__2.2.3 KNeighborsClassifier 74__eol__2.2.4 SVM 76__eol__2.2.5 naive_bayes 80__eol__2.2.6 DecisionTreeClassifier 82__eol__2.2.7 ensemble 85__eol__2.2.8 classification_report 87__eol__2.3 支撑知识 88__eol__2.3.1 分类任务简介 88__eol__2.3.2 线性模型 88__eol__2.3.3 K近邻分类 90__eol__2.3.4 支持向量机 91__eol__2.3.5 朴素贝叶斯 93__eol__2.3.6 决策树 95__eol__2.3.7 集成模型 96__eol__2.3.8 神经网络 97__eol__案例3 波士顿房价预测 98__eol__3.1 案例描述及实现 98__eol__3.2 案例详解及示例 102__eol__3.2.1 数据预处理 102__eol__3.2.2 linear_model 104__eol__3.2.3 KNeighborsRegressor 108__eol__3.2.4 SVR 110__eol__3.2.5 DecisionTreeRegressor 111__eol__3.2.6 ensemble 113__eol__3.3 支撑知识 119__eol__3.3.1 回归任务简介 119__eol__3.3.2 线性回归 120__eol__3.3.3 K近邻回归 121__eol__3.3.4 支持向量机回归 122__eol__3.3.5 决策树回归 122__eol__3.3.6 集成模型回归 124__eol____eol__案例4 手写体数字聚类 125__eol__4.1　案例描述及实现 125__eol__4.1.1　案例简介 125__eol__4.1.2　数据介绍 125__eol__4.1.3　案例实现 126__eol__4.2　案例详解及示例 129__eol__4.2.1　load_digits 129__eol__4.2.2　AgglomerativeClustering 130__eol__4.2.3 KMeans 131__eol__4.2.4 MeanShift 133__eol__4.2.5 DBSCAN 134__eol__4.2.6 AffinityPropagation 136__eol__4.2.7 v_measure_score 137__eol__4.3 支撑知识 140__eol__4.3.1 聚类任务简介 140__eol__4.3.2 层次聚类 140__eol__4.3.3 K均值聚类 141__eol__4.3.4　均值漂移聚类 143__eol__4.3.5　密度聚类 143__eol__4.3.6　近邻传播聚类 144__eol__案例5 人脸特征降维 145__eol__5.1 案例描述 145__eol__5.1.1 案例简介 145__eol__5.1.2 数据介绍 145__eol__5.1.3 案例实现 145__eol__5.2 案例详解及示例 148__eol__5.2.1 fetch_olivetti_faces 148__eol__5.2.2 PCA 149__eol__5.2.3 NMF 155__eol__5.2.4　FastICA 156__eol__5.2.5　FactorAnalysis 157__eol__5.3　支撑知识及示例 158__eol__5.3.1　特征降维简介 158__eol__5.3.2　主成分分析 158__eol__5.3.3　非负矩阵分解 159__eol__5.3.4　独立成分分析 160__eol__5.3.5　因子分析 161__eol__案例6 在线旅行社酒店价格异常检测 162__eol__6.1　案例描述 162__eol__6.1.1　案例简介 162__eol__6.1.2 数据介绍 162__eol__6.1.3　案例实现 163__eol__6.2 案例详解及示例 168__eol__6.2.1 导入数据 168__eol__6.2.2 基于聚类的异常检测 168__eol__6.2.3 基于孤立森林的异常检测 169__eol__6.2.4 基于支持向量机的异常检测 172__eol__6.2.5 基于高斯分布的异常检测 173__eol__6.3 支撑知识 177__eol__6.3.1 异常检测简介 177__eol__6.3.2 基于聚类的异常检测 177__eol__6.3.3 基于孤立森林的异常检测 177__eol__6.3.4 基于支持向量机的异常检测 179__eol__6.3.5 基于高斯分布的异常检测 179__eol__附录A　VirtualBox虚拟机软件与Linux的安装和配置 180__eol__附录B　Linux（Ubuntu 14.4）的基本命令与使用 203__eol__附录C　GitHub代码托管平台 208__eol__附录D　Docker技术与应用 212__eol__附录E　人工智能的数学基础与工具 214__eol__附录F　公开数据集介绍与下载 225__eol__附录G　人工智能的网络学习资源 230__eol__附录H　人工智能的技术图谱 233__eol__附录I　人工智能技术应用就业岗位与技能需求 237__eol__附录J　Sklearn常用模块和函数 242__eol__参考文献 248__eol____eol____eol__