以簡單有效率的方式分析資料與預測結果
機器學習的目的是預測，使用你已經知道的來預測你想要知道的—根據這兩者之間的歷史關係。它的核心是一種數學 / 演算法技術，你需要深入瞭解數學與統計學概念，並熟悉 R 與其他專用語言。本書為廣大的讀者簡化機器學習技術，把焦點放在兩種可以有效地預測結果的演算法族群，告訴你如何透過熱門且容易上手的 Python 程式語言來使用它們。
作者 Michael Bowles
具備多年的機器學習經驗，將帶領你設計、建構與使用自己的機器學習解決方案。他會用很簡單的方式來解釋演算法，不會使用複雜的數學，並提供範例程式，來協助你盡早上手。你將會深入鑽研建構機制，學習如何選擇與使用最能夠解決手上問題的演算法，無論你的問題簡單或複雜。這本書會透過詳細的範例，以具體、可修改的程式來說明機制，並說明線性迴歸與整體方法，協助你瞭解機器學習的基礎工作程序。這些方法都很有效率，而且經過測試，它們的結果可說明一切。
本書不需要你具備專業的數學或統計學背景，將會告訴你如何：
‧選擇正確的演算法來完成你的工作
‧學習機制與準備資料
‧掌握核心的 Python 機器學習套件
‧建構多功能、有效的預測模型
‧將訓練好的模型實際應用在各種用途
‧計算模型效能，以取得更好的 QC 與應用
‧使用書中的範例程式來設計與建構你自己的模型
