共分为4个部分：1、基础知识：主要介绍机器学习的基本概念、Python的基础知识、常用第三方库，并结合网络爬虫及信息提取案例和股票数据图表绘制案例使读者对本部分内容有更好的理解。2、有监督分类案例：包括Iris数据分类、新闻文本数据分类、手写数字图像识别和场景文字检测共4个案例。3、无监督聚类案例：包括人脸图像聚类和文本聚类共2个案例。4、回归预测案例：包括房价预测、员工离职预测和广告点击率预测共3个案例。

众所周知，我们正在进入一个全面科技创新的时代。科技创新驱动并引领着人类社 会的发展，从人工智能、自动驾驶、5G，到精准医疗、机器人等，所有这些领域的突破 都离不开科技的创新，也离不开计算的创新。从CPU、GPU，到FPGA、ASIC，再到未 来的神经拟态计算、量子计算等，英特尔正在全面布局未来的端到端计算创新，以充分 释放数据的价值。中国拥有巨大的市场和引领全球创新的需求，其产业生态的全面性及 企业创新的实力、活力和速度都令人瞩目。英特尔始终放眼长远，以丰富的生态经验和 广阔的全球视野，持续推动与中国产业生态的合作共赢。以此为前提，英特尔在2018 年建立了英特尔? FPGA 中国创新中心，与Dell、海云捷迅等合作伙伴携手共建AI 和 FPGA 生态，并通过组织智能大赛、产学研对接及培训认证等方式，发掘优秀团队，培 养专业人才，孵化应用创新，加速智能产业在中国的发展。 该系列丛书是英特尔? FPGA 中国创新中心专为AI 和FPGA 领域的人才培养和认证 而设计编撰的系列丛书，非常高兴作为英特尔? FPGA 中国创新中心总经理为丛书写序。 同时也希望该系列丛书能为中国AI 和FPGA 相关产业的生态建设和人才培养添砖加瓦！ 英特尔? FPGA 中国创新中心总经理 张 瑞 2019 年秋

第1 章 基础知识 ................................................................................................................. 001 1.1 机器学习简介 ....................................................................................................... 002 1.1.1 基本概念 .................................................................................................... 002 1.1.2 机器学习分类 ............................................................................................ 003 1.2 Python 基础 .......................................................................................................... 005 1.2.1 Python 编程环境 ....................................................................................... 005 1.2.2 基本数据类型 ............................................................................................ 011 1.2.3 分支语句和循环语句 ................................................................................ 018 1.2.4 函数 ............................................................................................................ 021 1.2.5 类和对象 .................................................................................................... 025 1.2.6 打开、关闭、读/写文件 ........................................................................... 028 1.2.7 异常处理 .................................................................................................... 031 1.3 常用第三方库 ....................................................................................................... 033 1.3.1 NumPy ....................................................................................................... 033 1.3.2 SciPy .......................................................................................................... 039 1.3.3 Pandas ....................................................................................................... 041 1.3.4 Matplotlib .................................................................................................. 053 1.3.5 Scikit-learn ............................................................................................... 056 1.4 案例分析 ............................................................................................................... 058 1.4.1 网络爬虫及信息提取 ................................................................................ 058 1.4.2 股票数据图表绘制 .................................................................................... 063 1.5 本章小结 ............................................................................................................... 069 1.6 参考文献 ............................................................................................................... 069 第2 章 分类案例 ................................................................................................................ 071 2.1 员工离职预测 ....................................................................................................... 072 2.1.1 问题描述及数据集获取 ............................................................................ 072 2.1.2 求解思路和相关知识介绍 ........................................................................ 073 2.1.3 代码实现及分析 ........................................................................................ 076 2.2 Iris 数据分类 ......................................................................................................... 081 2.2.1 问题描述及数据集获取 ............................................................................ 081 2.2.2 求解思路和相关知识介绍 ........................................................................ 082 2.2.3 代码实现及分析 ........................................................................................ 089 2.3 新闻文本分类 ....................................................................................................... 099 2.3.1 问题描述及数据集获取 ............................................................................ 099 2.3.2 求解思路和相关知识介绍 ........................................................................ 100 2.3.3 代码实现及分析 ........................................................................................ 113 2.4 手写数字识别 ....................................................................................................... 128 2.4.1 问题描述及数据集获取 ............................................................................ 128 2.4.2 求解思路和相关知识介绍 ........................................................................ 129 2.4.3 代码实现及分析 ........................................................................................ 134 2.5 本章小结 ............................................................................................................... 139 2.6 参考文献 ............................................................................................................... 139 第3 章 聚类案例 ................................................................................................................ 143 3.1 人脸图像聚类 ....................................................................................................... 144 3.1.1 问题描述及数据集获取 ............................................................................ 144 3.1.2 求解思路和相关知识介绍 ........................................................................ 146 3.1.3 代码实现及分析 ........................................................................................ 150 3.2 文本聚类 ............................................................................................................... 162 3.2.1 问题描述及数据集获取 ............................................................................ 162 3.2.2 求解思路和相关知识介绍 ........................................................................ 163 3.2.3 代码实现及分析 ........................................................................................ 167 3.3 本章小结 ............................................................................................................... 173 3.4 参考文献 ............................................................................................................... 174 第4 章 回归预测案例 ........................................................................................................ 175 4.1 房价预测 ............................................................................................................... 176 4.1.1 问题描述及数据集获取 ............................................................................ 176 4.1.2 求解思路和相关知识介绍 ........................................................................ 177 4.1.3 代码实现及分析 ........................................................................................ 184 4.2 基于LSTM 的股票走势预测 ............................................................................... 191 4.2.1 问题描述及数据集获取 ............................................................................ 191 4.2.2 求解思路和相关知识介绍 ........................................................................ 192 目 录 XI 4.2.3 代码实现及分析 ........................................................................................ 197 4.3 本章小结 ............................................................................................................... 204 4.4 参考文献 ............................................................................................................... 204 第5 章 综合案例................................................................................................................. 206 5.1 场景文本检测 ....................................................................................................... 207 5.1.1 问题描述及数据集获取 ............................................................................ 207 5.1.2 求解思路和相关知识介绍 ........................................................................ 208 5.1.3 代码实现及分析 ........................................................................................ 217 5.2 面部认证 ............................................................................................................... 235 5.2.1 问题描述及数据集获取 ............................................................................ 236 5.2.2 求解思路和相关知识介绍 ........................................................................ 236 5.2.3 代码实现及分析 ........................................................................................ 241 5.3 本章小结 ............................................................................................................... 275 5.4 参考文献 ............................................................................................................... 275 附录A ..................................................................................................................................... 277 A.1 逻辑回归分类器原理介绍 ................................................................................... 278 A.2 自己编程实现决策树分类器 ............................................................................... 280 A.3 支持向量机的数学推导 ....................................................................................... 287 A.3.1 最小间隔最大化 ........................................................................................ 287 A.3.2 对偶问题 .................................................................................................... 288 A.4 Adaboost 的数学推导和代码实现 ..................................................................... 292 A.4.1 数学推导 .................................................................................................... 292 A.4.2 代码实现 .................................................................................................... 294 A.5 神经网络的数学推导和代码实现 ....................................................................... 298 A.5.1 数学推导 .................................................................................................... 298 A.5.2 代码实现 .................................................................................................... 302 A.6 期望最大化算法和高斯混合模型 ....................................................................... 308 A.6.1 EM 算法的原理和数学推导 ..................................................................... 308 A.6.2 EM 算法估计高斯混合模型参数的数学推导 ......................................... 310 A.7 基于波士顿房价数据集的房价预测代码实现 ................................................... 312