通过使用Python开发用例，全面理解监督学习算法。读者将学习监督学习概念、Python编码、数据集、上佳实践、常见问题和陷阱的解决方案，以及为结构化数据和文本、图像数据集实现算法的实用知识。 　　《Python监督学习》首先介绍机器学习，重点区分监督、半监督和无监督学习的特点与不同。接下来讲解回归和分类问题，包括背景数学知识，算法（线性回归、逻辑回归、决策树、KNN、 朴素贝叶斯），高级算法（随机森林、支持向量机、梯度增强），以及神经网络。所有的算法都提供了Python代码实现。本书最后讲述完整的端到端模型开发过程，其中包括模型的部署和维护。 　　阅读《Python监督学习》之后，读者将对监督学习及其具体实现有一个广泛的理解，并能够以创新的方式运行代码并进行扩展。