開源!《Python 機器學習》第二版(附電子版 pdf)

點擊上方「AI有道」，選擇「星標」公眾號

重磅乾貨，第一時間送達

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。

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. Giving Computers the Ability to Learn from Data 

2. Training Machine Learning Algorithms for Classification

3. A Tour of Machine Learning Classifiers Using Scikit-Learn

4. Building Good Training Sets – Data Pre-Processing

5. Compressing Data via Dimensionality Reduction

6. Learning Best Practices for Model Evaluation and Hyperparameter Optimization 

7. Combining Different Models for Ensemble Learning

8. Applying Machine Learning to Sentiment Analysis 

9. Embedding a Machine Learning Model into a Web Application 

10. Predicting Continuous Target Variables with Regression Analysis

11. Working with Unlabeled Data – Clustering Analysis

12. Implementing a Multi-layer Artificial Neural Network from Scratch 

13. Parallelizing Neural Network Training with TensorFlow

14. Going Deeper: The Mechanics of TensorFlow

15. Classifying Images with Deep Convolutional Neural Networks 

16. Modeling Sequential Data Using Recurrent Neural Networks

隨書代碼

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。

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 文件，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！

覺得這篇文章有幫助？請轉發給更多人

關注 AI有道 加星標，獲取最新 AI 乾貨

最新 AI 乾貨，我在看❤️