推薦:《機器學習實戰:基於Scikit-Learn和TensorFlow》中文翻譯和代碼下載

本文提供機器學習入門的好書《機器學習實戰：基於Scikit-Learn和TensorFlow》的中文翻譯文件和原始碼下載。

一、前言

推薦一本機器學習入門的好書：《機器學習實戰：基於Scikit-Learn和TensorFlow》。

本書主要分為兩部分，第一部分（第1~8章）涵蓋機器學習的基礎理論知識和基本算法，從線性回歸到隨機森林等，可以幫助你掌握Scikit-Learn的常用方法；第二部份（第9~16章）探討深度學習和常用框架TensorFlow，手把手教你使用TensorFlow搭建和訓練深度神經網絡，以及卷積神經網絡。

這本書受到廣大機器學習愛好者的好評，可以說是機器學習入門寶書，豆瓣評分8.2。

這本書假定您有一些 Python 編程經驗，並且比較熟悉 Python 的主要科學庫，特別是 NumPy，Pandas 和 Matplotlib 。

二、資源

https://github.com/ageron/handson-ml

https://github.com/apachecn/hands-on-ml-zh

針對國內下載速度慢，本站對兩個資源進行打包，可以在百度雲下載：

https://pan.baidu.com/s/1iTIoa4RXdK-lo_QEgLEOFw 提取碼：76hf 

若被和諧請回復「324」進行下載。

三、主要內容介紹

這本書分為兩個部分。

第一部分，機器學習的基礎知識，涵蓋以下主題：

什麼是機器學習？它被試圖用來解決什麼問題？機器學習系統的主要類別和基本概念是什麼？

典型的機器學習項目中的主要步驟。

通過擬合數據來學習模型。

優化成本函數（cost function）。

處理，清洗和準備數據。

選擇和設計特徵。

使用交叉驗證選擇一個模型並調整超參數。

機器學習的主要挑戰，特別是欠擬合和過擬合（偏差和方差權衡）。

對訓練數據進行降維以對抗 the curse of dimensionality（維度詛咒）

最常見的學習算法：線性和多項式回歸， Logistic 回歸，k-最近鄰，支持向量機，決策樹，隨機森林和集成方法。

第二部分，神經網絡和深度學習，包括以下主題：

第一部分主要基於 scikit-learn ，而第二部分則使用 TensorFlow 。

翻譯截圖如下：

中文翻譯截圖

原始碼截圖：

原始碼截圖總結本文根據github公開的資料進行整理，提供機器學習入門的好書《機器學習實戰：基於Scikit-Learn和TensorFlow》的中文翻譯文件和原始碼下載。參考文獻

https://github.com/ageron/handson-ml

https://github.com/apachecn/hands-on-ml-zh

下載網址

除了上述兩個網址，本站對資源進行打包，可以通過百度雲下載：

https://pan.baidu.com/s/1iTIoa4RXdK-lo_QEgLEOFw 提取碼：76hf 

若被和諧請回復「324」進行下載。