開源!《Python 機器學習》-Python Machine Learning第一版+第二版(附電子版 pdf)

2021-03-02 智能與算法之路




點擊上方「智能與算法之路」，選擇「星標」公眾號

第一時間獲取價值內容

《Python Machine Learning》有兩版，中文譯為《Python 機器學習》，機器學習與預測分析正在改變企業和其他組織的運作方式，本書將帶領讀者進入預測分析的世界。全書共16章，除了簡要介紹機器學習及Python在機器學習中的應用，還系統講述了數據分類、數據預處理、模型優化、集成學習、回歸、聚類、神經網絡、深度學習等內容。本書將機器學習背後的基本理論與應用實踐聯繫起來，通過這種方式讓讀者聚焦於如何正確地提出問題、解決問題。

本書講解了如何使用Python的核心元素以及強大的機器學習庫，同時還展示了如何正確使用一系列統計模型。本書可作為學習數據科學的初學者及想進一步拓展數據科學領域認識的讀者的參考書。

如今更新的是第二版，它的第一版長這樣：

一、作者簡介：

Sebastian Raschka：有多年的 Python 編碼經驗，舉辦了幾次關於數據科學、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。

書籍對應代碼：

https://github.com/rasbt/python-machine-learning-book-2nd-edition

二、主要內容

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：

下面是翻譯過來的中文目錄：

1. 賦予計算機從數據中學習的能力

2. 訓練機器學習分類算法

3.使用Scikit-Learn的機器學習分類器之旅

4. 建立良好的培訓集-數據預處理

5. 通過降維壓縮數據

6. 學習模型評估和超參數優化的最佳實踐

7. 結合不同的模型進行集成學習

8. 將機器學習應用於情緒分析

9. 將機器學習模型嵌入到Web應用程式中

10. 用回歸分析預測連續目標變量

11. 處理未標記的數據-聚類分析

12. 實現了一個多層人工神經網絡從無到有

13. 神經網絡訓練與張力流並行化

14. 更深入:張力流的力學

15. 利用深度卷積神經網絡對圖像進行分類

16. 利用遞歸神經網絡對序列數據進行建模

根據書籍配套的代碼

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 代碼，放在了 GitHub 倉庫中。

源碼地址：

https://github.com/rasbt/python-machine-learning-book-2nd-edition

目前，該 GitHub 項目已經獲得 4000+ 的 star 了，熱度很高。

整個 16 章中的 Python 代碼是以 .ipynb 文件格式給出，我們可以很方便地使用 Jupyter Notebook 來查看和運行相應的代碼，非常方便。

資源下載：

為了方便大家，附上雲盤下載連結，長按掃碼關注：Python與機器智能，後臺回復python機器學習（建議複製）即可獲得百度網盤地址。

Python與機器智能

（公眾號有大量Python，和AI相關資源，歡迎關注！）

相關焦點

  • 開源《Python 機器學習》-Python Machine Learning第一版+第二版(附電子版 pdf)
    如今更新的是第二版，它的第一版長這樣：書籍對應代碼：https://github.com/rasbt/python-machine-learning-book-2nd-edition二、主要內容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：
  • 開源!《Python 機器學習》-Python Machine Learning(附電子版 pdf)
    如今更新的是第二版，它的第一版長這樣：一、作者簡介：Sebastian Raschka書籍對應代碼：https://github.com/rasbt/python-machine-learning-book-2nd-edition資源下載：為了方便大家，附上雲盤下載連結，長按掃碼關注：機器學習算法那些事
  • 最強開源!《Python 機器學習》第一版+第二版(附電子版 pdf)
    中文譯為《Python 機器學習》，機器學習與預測分析正在改變企業和其他組織的運作方式，本書將帶領讀者進入預測分析的世界。如今更新的是第二版，它的第一版長這樣：書籍對應代碼：https://github.com/rasbt/python-machine-learning-book-2nd-edition二、主要內容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：
  • 開源!《Python 機器學習》第二版(附電子版 pdf)
    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）。本書使用了 Scikit-Learn 和 TensorFlow，分別講解機器學習和深度學習，並每章配備實操代碼。還有一點是講解了如何將機器學習模型發布到 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：1.
  • 可能是史上最全機器學習和Python速查表(附下載連結)
    機器學習有很多方面。 當我開始刷新這個主題時，我遇到了各種「速查表」，這裡僅列出了需要知道的給定主題的所有要點。 最後，我收集了與機器學習相關的速查表。有些我經常參考，並且認為其他人也可能從中受益。因此， 這篇文章把我從網上發現的很好的27個速查表分享出來，以供大家參考。後臺回復關鍵詞「速查表」下載27個速查表。
  • 資源 | 全機器學習和Python的27個速查表(完整版)
    /machine-learning-algorithm-cheat-sheet 算法總結（AlgorithmSummary）來源：http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms
  • 2018AI學習清單丨150個最好的機器學習和Python教程
    機器學習的簡易指南 (monkeylearn.com)https://monkeylearn.com/blog/a-gentle-guide-to-machine-learning/ 如何選擇機器學習算法？
  • 乾貨| 請收下這份2018學習清單:150個最好的機器學習,NLP和Python...
    >機器學習的簡易指南 (monkeylearn.com)https://monkeylearn.com/blog/a-gentle-guide-to-machine-learning/如何選擇機器學習算法？
  • 請收下這份2018學習清單:150個最好的機器學習,NLP和Python教程
    機器學習的簡易指南 (monkeylearn.com)https://monkeylearn.com/blog/a-gentle-guide-to-machine-learning/ 如何選擇機器學習算法？
  • 乾貨|機器學習中值得反覆翻閱的小抄20+(內附資源下載)
    寫在前面：機器學習（Machine Learning）有很多方面，本文中網羅的是這個學習領域中各種各樣的「小抄」，它們簡明扼要地列出了給定主題的關鍵知識點，正在進行機器學習的小夥伴可以保存下來，在平時的學習中進行翻閱查詢，文末附詳細資源獲取方式。
  • 乾貨 | 請收下這份2018學習清單:150個最好的機器學習,NLP和Python教程
    機器學習的簡易指南 (monkeylearn.com)https://monkeylearn.com/blog/a-gentle-guide-to-machine-learning/ 如何選擇機器學習算法？
  • 史上最全300本Python電子書免費分享
    數據科學速查表零起點Python機器學習快速入門《深度學習入門：基於Python的理論與實現》高清中文版PDF+原始碼《Python深度學習》2018中文版pdf+英文版pdf+原始碼stanford machine learningPython語言程序設計2018版電子教案Python網絡編程第三版 （原版+中文版+原始碼）Python
  • Python300本電子書免費送
    零起點Python機器學習快速入門2. 《深度學習入門：基於Python的理論與實現》高清中文版PDF+原始碼3. 《Python深度學習》2018中文版pdf+英文版pdf+原始碼4. stanford machine learning5. Python語言程序設計2018版電子教案6.
  • 收藏 | 27個機器學習小抄(附學習資源)
    神經網絡公園微軟 Azure 算法流程圖 https://docs.microsoft.com/en-us/azure/machine-learning/machine-learning-algorithm-cheat-sheet
  • 200多個最好的機器學習、NLP和Python教程
    我把這篇文章分為了四個部分：機器學習，自然語言處理，python和數學。在每個部分中我都列舉了一些主題，但是因為材料的數量龐大，我不可能涉及到每一個主題。如果你發現到我遺漏了哪些好的教程，請告訴我！我儘量把每個主題下的教程控制在五個或者六個，如果超過了這個數字就難免會有重複。
  • 乾貨 | 請收下這份機器學習清單(附下載連結)
    機器學習的簡易指南 (monkeylearn.com)https://monkeylearn.com/blog/a-gentle-guide-to-machine-learning/ 如何選擇機器學習算法？
  • 【乾貨】Python機器學習機器學習項目實戰3——模型解釋與結果分析(附代碼)
    用python完成一個完整的機器學習項目：第三部分——Interpreting a machine learning model and presenting results本系列的第一部分【1】中，討論了數據清理、數據分析、特徵工程和特徵選擇。
  • Python機器學習課程(代碼與教程)
    python完成機器學習的教程。目的機器學習作為人工智慧的一種工具，是應用最廣泛的科學領域之一。大量關於機器學習的文獻已經發表。本項目的目的是通過提供一系列使用python的簡單而全面的教程來幫助讀者學習機器學習。在這個項目中，我們使用許多不同的機器學習框架 (如Scikit-Learning) 構建我們的教程。
  • 200種機器學習教程匯總!
    >機器學習的簡單指南https://monkeylearn.com/blog/a-gentle-guide-to-machine-learning/我應該使用哪種機器學習算法？/whitepaper1/machine-learning-primer-108796.pdf初學者機器學習教程https://www.kaggle.com/kanncaa1/machine-learning-tutorial-for-beginners激活函數和Dropout
  • python機器學習預測分析核心算法.pdf
    《美團機器學習實踐》_美團算法團隊.pdf《深度學習入門：基於Python的理論與實現》高清中文PDF+源碼特徵提取與圖像處理(第二版).pdfpython就業班學習視頻，從入門到實戰項目2019最新《PyTorch