机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。《机器学习实战》第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。《机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数

算法是大数据分析与处理的关键基础。本书以漫画形式轻松讲解算法的基本知识、关键应用，并以案例贯穿其中，明白易懂。将高大上的算法以明白易懂的方式说透，是本书特色，适合与数据相关的从业人员学习、了解。本书以漫画形式轻松讲解算法的基本知识、关键应用，并以案例贯穿其中，明白易懂。

本书主要介绍J2EE开发过程中的轻量级框架——Spring、Struts、MyBatis，并详细介绍了这三个框架开发过程中的重点和难点。全书共13章，分别为Spring框架简介与IoC容器、SpringAOP、Spring注解、Spring安全机制、Struts2基础、Struts2核心、Struts2标签库、Struts2其他功能、MyBatis介绍、MyBatisDao开发、MyBatis配置文件、MyBatis关联查询、SSM框架集成。 本书适用于有Java编程基础的学习者。

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。对于要用这些算法工具来解决具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。对于要用这些算法工具来解决具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。

本书主要介绍J2EE开发过程中的轻量级框架——Spring、Struts、MyBatis，并详细介绍了这三个框架开发过程中的重点和难点。全书共13章，分别为Spring框架简介与IoC容器、SpringAOP、Spring注解、Spring安全机制、Struts2基础、Struts2核心、Struts2标签库、Struts2其他功能、MyBatis介绍、MyBatisDao开发、MyBatis配置文件、MyBatis关联查询、SSM框架集成。 本书适用于有Java编程基础的学习者。