工欲善其事,必先利其器!今天給大家推薦一本不錯的 Python 機器學習教程,言簡意賅,通俗易懂!就是這本《Python Machine Learning》(2nd),中文譯為《Python 機器學習》(第二版)。
如今更新的是第二版,它的第一版長這樣:
本書作者
該書的作者 Sebastian Raschka 有多年的 Python 編碼經驗,他還舉辦了幾次關於資料科學、機器學習和深度學習的實踐應用的研討會,包括在 Scipy 的機器學習教程。他是威斯康星-麥迪遜大學統計學助理教授,專注於深度學習和機器學習研究。
內容簡介
這本書本身知名度很高,書籍質量也很高,簡單來說就是簡易、實用、不枯燥。本書使用了 Scikit-Learn 和 TensorFlow,分別講解機器學習和深度學習,並每章配備實操程式碼。還有一點是講解了如何將機器學習模型釋出到 Web 應用。整個知識體系相對更加完善,是一本比較全面的機器學習書籍。
值得一提的是第二版在第一版的基礎上增加了不少新的內容,完整的書籍目錄如下:
- Giving Computers the Ability to Learn from Data
-
Training Machine Learning Algorithms for Classification
-
A Tour of Machine Learning Classifiers Using Scikit-Learn
-
Building Good Training Sets – Data Pre-Processing
-
Compressing Data via Dimensionality Reduction
-
Learning Best Practices for Model Evaluation and Hyperparameter Optimization
-
Combining Different Models for Ensemble Learning
-
Applying Machine Learning to Sentiment Analysis
-
Embedding a Machine Learning Model into a Web Application
-
Predicting Continuous Target Variables with Regression Analysis
-
Working with Unlabeled Data – Clustering Analysis
-
Implementing a Multi-layer Artificial Neural Network from Scratch
-
Parallelizing Neural Network Training with TensorFlow
-
Going Deeper: The Mechanics of TensorFlow
-
Classifying Images with Deep Convolutional Neural Networks
-
Modeling Sequential Data Using Recurrent Neural Networks
隨書程式碼
值得高興的是,作者 Sebastian Raschka 開源了《Python 機器學習》第二版的所有章節中的 Python 程式碼,放在了 GitHub 倉庫中。
原始碼地址:
https://github.com/rasbt/python-machine-learning-book-2nd-edition
目前,該 GitHub 專案已經獲得 4000+ 的 star 了,熱度很高。
整個 16 章中的 Python 程式碼是以 .ipynb 檔案格式給出,我們可以很方便地使用 Jupyter Notebook 來檢視和執行相應的程式碼,非常方便。
書籍下載
為了方便大家閱讀,小編整理了該書的第一版和第二版 pdf 檔案,獲取地址如下:
連結:https://pan.baidu.com/s/1w-RDD7dkGaUJm3L9vFhnrQ
提取碼:9e4u
趕緊下載學習吧!