最強開源!《Python 機器學習》第一版+第二版(附電子版 pdf)

《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！）