本书是一本Python编程和机器学习零基础入门书。书的内容由Python基础语法和机器学习两部分组成，力求前面所学为后面所用。前半部分，着重介绍了Python语言的输入输出、条件分支、循环、列表、函数、类等，力求“手把手”地帮助读者攻克初学编程的难关，边学边练，使抽象的内容得以在实践中明晰。后半部分，是基于Python语言的机器学习入门，先介绍了机器学习领域最常用的工具库NumPy和matplotlib，继而以sklearn为依托讲解了分类、回归、聚类三个经典的机器学习应用场景。经过前面层层铺垫，最后带领读者完成一个识别手势的项目，体验机器学习的全过程。
本书适合Python编程学习与应用的青少年爱好者阅读，也可作为中小学生Python相关课程的教材。希望读者借由本书进入Python程序设计和人工智能世界的大门，并逐步探寻更深的领域。
王锴男，男，出生于1987年，北京工业大学软件工程管理专业学士，北京理工大学软件工程专业硕士。拥有十余年互联网开发相关经验，曾创办少儿STEAM教育机构趣维度。从事科技教育工作期间，带领很多学员得到蓝桥杯、各类科技竞赛优秀名次。目前是网易有道小图灵项目组信息学主讲教师。
第1章 进入Python程序世界：搭建编程环境
1.1 Python语言和机器学习的故事001
1.2 一步步安装Python实验室Anaconda002
1.3 小结009
第2章 程序的嘴巴：输出、变量
2.1 开始奇妙旅程：Hello, World!010
2.2 打印古诗：格式化输出011
2.3 电脑里的东西保存在哪：初探变量014
2.4 别把不同的调料倒在一个瓶子里：区分数据类型015
2.5 小结018
第3章 计算机的耳朵：输入语句
3.1 来自电脑的第一声问候：input( )语句019
3.2 超级变变变：数据类型的转换020
3.3 倒背如流：输入输出小游戏021
3.4 小结023
第4章 对错要分辨：if语句
4.1 if语句和判定条件024
4.2 关系运算符025
4.3 逻辑运算符027
4.4 if的另一半else030
4.5 elif和多分支031
4.6 if语句的嵌套使用033
4.7 性格测试器034
4.7.1 准备一些问题和答案034
4.7.2 准备几段性格特征描述035
4.7.3 现在万事俱备，还需一点小技巧036
4.7.4 输出结果，看，多准！037
4.8 小结039
第5章 if语句的升级版：while语句
5.1 循环就是不断地重复：使用while语句040
5.2 不要“死循环”，循环计数器变量登场041
5.3 在循环中做判断：while嵌套if语句043
5.4 猜数字小游戏043
5.5 小结046
第6章 循环次数知多少：for循环
6.1 while循环换新衣：使用for循环047
6.2 打印几何图形：for循环嵌套048
6.3 让电脑偷个懒：break和continue语句051
6.4 小结054
第7章 新的柜子：列表和元组
7.1 定义列表(list)和元组(tuple)056
7.2 初始化列表 (list) 和元组 (tuple)056
7.3 尝试为列表 (list) 和元组 (tuple) 添加元素057
7.4 尝试访问和修改列表 (list) 与元组 (tuple)中的元素058
7.5 遍历列表 (list) 和元组 (tuple)060
7.6 完成实例：计算全班同学的平均身高061
7.7 列表 (list) 的切片操作062
7.8 列表 (list) 的拼接操作063
7.9 小结064
第8章 查起来飞快的字典和集合
8.1 字典065
8.1.1 创建空菜单：定义一个空字典065
8.1.2 写入第一道菜：新建键值对066
8.1.3 查找某一个菜品的价格：查询键对应的值067
8.1.4 检查菜单中是否有某个菜品：查询字典中某个键是否存在069
8.1.5 修改菜品单价：修改键值对070
8.1.6 删除菜品：删除键值对071
8.1.7 增加菜品的信息：字典的嵌套使用071
8.2 集合072
8.2.1 初始化一个集合073
8.2.2 集合的增删改查操作073
8.2.3 遍历集合075
8.2.4 两个集合的交集、并集、差集075
8.3 小结078
第9章 把变量和指令统统打个包：函数和类
9.1 定义函数079
9.2 传递参数082
9.2.1 位置实参083
9.2.2 关键字实参084
9.2.3 默认参数084
9.3 有返回值的函数086
9.4 函数的递归调用087
9.5 什么是类089
9.6 类和对象：pop是只狗089
9.7 在类中添加方法：pop的新技能092
9.8 类的继承：pop是只哈士奇，会拆家的那种093
9.9 小结094
第10章 走出新手村：开启机器学习的副本
10.1 简单理解机器学习095
10.2 机器学习中的问题分类097
10.3 机器学习的强力计算器：NumPy099
10.3.1 认识NumPy099
10.3.2 初始化向量099
10.3.3 向量元素的访问和修改102
10.4 初始化矩阵102
10.5 查看和修改矩阵的形状104
10.6 矩阵间四则运算106
10.7 切片107
10.8 小结109
第11章 数据可视化：使用matplotlib绘制图形
11.1 绘制二维图形110
11.1.1 基本使用110
11.1.2 多张图同画布111
11.1.3 绘制散点图113
11.1.4 装饰图标：增加图例、图示114
11.1.5 并列显示多张图表116
11.2 绘制三维图形118
11.3 小结120
第12章 花花各不同：教会电脑做分类
12.1 认识scikit-learn程序库121
12.1.1 iris鸢尾花数据集122
12.1.2 创建分类器，区分三种鸢尾花124
12.2 “泛化”与“过拟合”126
12.3 评价分类器的性能：准确率、查准率、查全率、F值127
12.4 看看鸢尾花分类器的性能128
12.5 分类器知多少130
12.5.1 支持向量机（SVM）130
12.5.2 决策树131
12.5.3 随机森林（Random Forest）133
12.6 小结134
第13章 预测未来：回归问题
13.1 什么是回归问题135
13.2 回归问题的分类136
13.3 回归问题求解的利器：最小二乘法136
13.4 尝试一元回归137
13.5 回归问题的评价—决定系数141
13.6 尝试多元回归141
13.7 非线性回归问题的解决：其他回归模型144
13.7.1 支持向量机146
13.7.2 随机森林147
13.7.3 K邻近算法148
13.8 小结149
第14章 龙找龙，凤找凤，好汉对英雄：聚类
14.1 聚类和分类不同150
14.2 簇间距离的计算151
14.2.1 欧氏距离151
14.2.2 曼哈顿距离152
14.2.3 明科夫斯基距离153
14.3 经典聚类算法：k均值算法153
14.3.1 k均值算法的步骤153
14.3.2 在wine数据集上使用k均值算法154
14.4 对聚类算法的评估157
14.5 其他聚类算法158
14.5.1 层次聚类158
14.5.2 非层次聚类160
14.6 总结162
第15章 实践篇：分辨石头剪刀布
15.1 制订目标163
15.2 制作数据集163
15.3 第一次训练170
15.4 加强泛化能力—增加数据人数171
15.5 引入HOG，提取图像特征173
15.5.1 HOG特征提取过程173
15.5.2 尝试用图片的HOG特征进行学习和分类测试174
15.5.3 梯度是什么？177
15.6 参数调整180
15.7 总结183
书单推荐
