"本书是作者依据多年来从事机器学习课程教学及科学研究的经验，结合本科生和研究生实际教学工作的需要，并参考相关经典文献编写而成。 本书以人工智能主流编程语言Python 3作为机器学习和数据分析的实战工具，从机器学习导论开始，依次介绍了Python编程基础、TensorFlow编程基础、机器学习编程基础，以及典型机器学习算法的原理和实现，具体包括KNN分类算法、KMeans聚类算法、支持向量机、决策树与随机森林、回归分析、神经网络、卷积神经网络、Transformer深度神经网络、图神经网络、生成对抗神经网络等方面的内容及案例。本书力求简洁达意、清晰易懂、理论教学与具体实践相结合，代码可复现，全书提供了大量应用实例和习题，方便读者快速入门并掌握机器学习的具体算法。 本书适合作为高等院校电子信息工程、通信工程、计算机科学与技术、电子科学与技术等相关专业本科生教材，也可作为研究生科研参考教材，同时可供广大Python编程、机器学习、深度学习等工程技术人员参考使用。 "

前言 机器学习作为人工智能的重要实现方式之一，已广泛应用于科学研究、工程实践等众多应用场景，发展潜力巨大。随着各行各业与人工智能技术的深入结合，机器学习编程已成为高等院校计算机、电子信息等多个学科专业开设的人工智能入门与实践的重要课程。本书编者一直从事计算机视觉方面的教学实践及科研工作，完成了多项和机器学习相关的国家自然科学基金、省基金、企业合作等项目，积累了丰富的教学和科研经验。根据本科教学和研究生培养过程中的实践经验，基于实际教学工作需求及机器学习课程教学特点，编写了本书，归纳梳理了机器学习课程教学内容，兼顾基础和实践应用，使本书内容具有一定的普适性和实用性。 本书共13章，主要内容有机器学习导论、Python编程基础、机器学习编程理论基础、KNN分类算法、KMeans聚类算法、支持向量机、决策树与随机森林、回归分析、神经网络、卷积神经网络、Transformer深度神经网络、图神经网络和生成对抗神经网络。本书内容循序渐进，各章节按照具体内容可分为三部分： 第一部分(第1~3章)介绍机器学习基本概念及编程基础，使读者对机器学习的相关概念有初步认识，为机器学习编程建立必要基础； 第二部分(第4~9章)是经典机器学习方法理论与实现，该部分内容是读者掌握机器学习的核心； 第三部分(第10~13章)介绍深度学习热点技术，此部分是机器学习的扩展研究内容，有助于读者了解前沿的机器学习技术及实现。 本书由黑龙江大学朱福珍教授编著，负责全书的统稿、校对及修改等工作。在编写过程中得到所在“智能图像处理课题组”研究生刘志远、赵佳昕、荚恒飞、李东霖、韩浩等...