本书是中英文双语教材,首先通过介绍线性回归了解机器学习中的数据集、归一化、损失函数、梯度下降函数等基础知识,在此基础上通过多个典型案例,详细分析了逻辑回归、决策树、聚类、支持向量机等机器学习算法的实现流程和相关知识,并融入国家职业技能标准“人工智能训练师”和“大数据应用开发”1+X证书等相关内容,具有较强的实践指导意义。 本书适合作为高职院校人工智能、大数据等相关专业课程、双语课程的教材,同时也可作为机器学习应用开发技术人员的指导教程。

人工智能是计算机科学中最热门的领域之一,它的应用范围涵盖了很多领域,包括机器学习、自然语言处理、图像识别、语音识别等。 对于大部分行业而言,人工智能应用、机器学习与大数据
分析已经成为非常重要的一环,因此掌握人工智能技术将是一个极大的优势。 无论是企业的管理层,还是行业中的研发人员,都需要掌握人工智能技术才能更好地应对未来的挑战。
本书站在学生的角度,以典型的人工智能机器学习案例为载体,以项目案例实现的过程为主线,将人工智能机器学习的理论知识融入项目实现过程,循序渐进地介绍了人工智能机器学习必备的基础知识,以及一些比较优秀的工具,帮助学生具备使用 sklearn 库实现机器学习任务的相关
技能,能够独立编写程序完成相关项目,以胜任人工智能机器学习相关岗位的工作。
本书共 13 个单元,分为 3 个部分:单元 1 ~ 单元 5 介绍线性回归部分,包括简单线性回归、多元线性回归、多项式回归、岭回归等;单元 6 ~ 单元 8 介绍逻辑回归,包括逻辑回归、决策边界等;单元 9 ~ 单元 13 介绍经典且常用的机器学习方法,包括聚类算法、决策树、支持向量机、贝叶斯算法、
Word2Vec 等。
本书不仅适合作为高职院校人工智能、大数据等相关专业课程、双语课程的教材,同时也可作
为机器学习应用开发技术人员的指导教程。
在学习过程中,读者一定要亲自实践本书的案例代码。 与本书相配套的在线课程资源可在“智慧职教”网站上搜索“人工智能应用技术”课程获取,或加入智慧职教 MOOC 学院中的“人工智能应用技术”课程,通过平台中提供的教学视频进行深入学习。
尽管编者付出了最大的努力,但书中仍难免会有不妥之处,欢迎各界专家和读者提出宝贵意见,以便本书进一步完善。
读者在阅读本书时,如果需要申请课程资源,或者如发现任何问题或有不认同之处,可以通过电子邮件与我们取得联系。 编者邮箱:45655600@ qq. com。
编者
2023 年4 月

单元1使用简单线性回归模型预测广告投入的收益11.1简单线性回归介绍11.2读取数据集21.3数据相关性分析31.4数据处理41.5数据归一化处理61.6定义损失函数81.7定义梯度下降函数91.8训练模型101.9简单线性模型损失121.10绘制w,b的轮廓图形13单元2使用多元线性回归模型预测广告投入的收益172.1多元线性回归介绍172.2读取数据集172.3生成训练集和测试集182.4反归一化192.5定义损失函数、MSE均方差损失函数202.6定义梯度下降函数212.7定义模型并训练232.8计算损失24单元3使用Scikit-learn库来实现回归273.1Scikit-learn基本知识273.2加载数据集273.3数据归一化293.4数据预处理303.5使用sklearn建立LinearRegression模型313.

张明，就职于成都职业技术学院软件分院，副教授。2000年至2018年8月，在湖北工业职业技术学院信息与智能工程系任教，担任湖北工业职业技术学院信息与智能工程系副主任，湖北省高等教育学会计算机教育专业委员会理事，湖北省职教学会信息技术类教指委理事，湖北省信息技术职业教育集团物联网应用技术专业共建委员会副主任。2018年8月至今，在成都职业技术学院软件分院任教。先后获得Google认证师资培训讲师（Android领域）、Google认证师资培训讲师(人工智能TensorFlow领域）和Nvidia人工智能校园大使讲师资格认证，2020年4月被聘为Google高职教育专家组成员。国家级职业教师教学创新团队骨干成员，主持省级教学成果奖1项，主持省级精品在线开放课程建设1门，获得成都市教学成果奖一等奖1项、省级教学成果奖一等奖2项，主编出版教材3部，获得四川省教师教学能力竞赛二等奖2项。指导学生参加各级各类技能大赛获得国家级奖项15项，省级奖项25项，主持横向科研课题12项。 孙晓丽，毕业于电子科技大学，工学硕士研究生，就职于成都职业技术学院。近年来担任“人工智能应用”“web开发”等

本书以典型的人工智能机器学习案例为载体


本书以项目案例实现的过程为主线,将人工智能机器学习的理论知识融入项目实现过程



本书介绍了人工智能机器学习必备的基础知识,以及一些比较优秀的工具