"《机器学习 : 全彩图解+微课+Python编程》是“鸢尾花数学大系：从加减乘除到机器学习”丛书的最后一册，前六本解决了编程、可视化、数学、 数据方面的诸多问题，而《机器学习 : 全彩图解+微课+Python编程》将开启机器学习经典算法的学习之旅。 《机器学习 : 全彩图解+微课+Python编程》设置了 24 个话题，对应四大类机器学习经典算法（回归、分类、降维、聚类），覆盖算法包括： 回归分析、多元线性回归、非线性回归、正则化回归、贝叶斯回归、高斯过程、k 最近邻分类、朴素贝叶 斯分类、高斯判别分析、支持向量机、核技巧、决策树、主成分分析、截断奇异值分解、主成分分析进阶、 主成分分析与回归、核主成分分析、典型相关分析、 k 均值聚类、高斯混合模型、**期望算法、层次聚类、 密度聚类、谱聚类。 《机器学习 : 全彩图解+微课+Python编程》选取算法模型的目标是覆盖 Scikit-Learn 库的常用机器学习算法函数，让读者充分理解算法理论， 又能联系实际应用。因此，在学习《机器学习 : 全彩图解+微课+Python编程》时，特别希望调用 Scikit-Learn 各种函数来解决问题之余，更要理解 算法背后的数学工具。因此，《机器学习 : 全彩图解+微课+Python编程》给出适度的数学推导以及扩展阅读。 《机器学习 : 全彩图解+微课+Python编程》提供代码示例和视频讲解，“鸢尾花书”强调在 JupyterLab 自主探究学习才能提高编程技能。本 书配套微课也主要以配套 Jupyter Notebooks 为核心，希望读者边看视频，边动手练习。 《机器学习 : 全彩图解+微课+Python编程》读者群包括所有试图用机器学习解决问题的朋友，尤其适用于机器学习入门、初级程序员转型、 高级数据分析师、机器学习进阶。 "

"姜伟生 博士 FRM。勤奋的小镇做题家，热爱知识可视化和开源分享。自2022年8月开始，在GitHub上开源“鸢尾花书”学习资源，截至2024年5月，已经分享5000多页PDF、5000多幅矢量图、约3000个代码文件，全球读者数以万计，GitHub全球排名TOP100。"