内容简介 机器学习是人工智能的一个方向。它是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是使用计算机模拟或实现人类学习活动，从现有大量的数据中学习，利用经验不断改善系统性能。机器学习步骤一般分为获取数据、数据预处理、建立模型、模型评估和预测。 本书共6章。第1章节主要介绍机器学习的基本概念及其发展史、机器学习分类、常见机器学习算法及其特点；第2章搭建机器学习开发环境，主要包括Anaconda\PyCharm\Python软件的安装及使用，以及常见机器学习库的介绍和安装使用方法；第3章介绍监督学习的4个经典算法：线性回归、决策树、k近邻和支持向量机算法，其重点在算法的应用；第4章介绍主成分分析降维算法、K-means聚类算法；第5章介绍人工神经网络基础，并通过房价预测和手写数字识别实例进行验证；第6章介绍强化学习的基本概念，有模型学习和无模型学习，最后介绍了Q-Learning算法和Sarsa算法。 本书由人工智能技术专业教师和英特尔FPGA中国创新中心的工程师们合力编写，讲解了大量的具体程序案例，涵盖大部分机器学习算法，教师和学生可以根据应用需求，选择对应的知识点和算法。本书所有程序均已经在英特尔FPGA中国创新中心AILab实训平台上验证实现。 本书可作为高职高专院校电子信息类相关专业教材，也可作为科技人员的参考用书。 编委会 主编：徐宏英 尹宽 陈文杰 华成丽 副主编：胡云冰 柴广龙 刘宇光 赵瑞华 方旭 童亮 前言 目前，人工智能技术、大数据技术已成为新经济的重要推力，需要大量的人工智能技术相关人才，将新的技术落实到广大传统行业中。国务院高度重视人工智能技术的发展，2017 年制定和颁布了《新一代人工智能发展规划》。其中指出“人工智能是引领未来的战略性技术”。2018年教育部颁布《高等学校人工智能创新行动计划》，要求重视…