python machine learning book下载 - python machine learning book源码下载

python machine learning book

Python

v1.3

下载

Python机器学习书籍代码库

重要提示（2017 年 9 月 21 日）：

此 GitHub 存储库包含第一版Python 机器学习书籍的代码示例。如果您正在寻找第二版的代码示例，请参阅此存储库。

您可以期待 400 页丰富的有用材料，几乎是您开始机器学习所需了解的一切……从理论到您可以直接付诸实践的实际代码！这不仅仅是另一本“这就是 scikit-learn 的工作原理”的书。我的目标是解释所有基本概念，告诉您在最佳实践和注意事项方面需要了解的所有内容，我们将主要使用 NumPy、scikit-learn 和 Theano 将这些概念付诸实践。

您不确定这本书是否适合您？请查看前言和前言的摘录，或查看常见问题解答部分以获取更多信息。

第一版，2015 年 9 月 23 日出版
平装本：454 页
出版商: Packt Publishing

语言：英语
ISBN-10: 1783555130

ISBN-13：978-1783555130
Kindle ASIN：B00YSILNL0

德语 ISBN-13：978-3958454224
日本 ISBN-13：978-4844380603
意大利语 ISBN-13：978-8850333974
中文（繁体）ISBN-13：978-9864341405
中文（大陆）ISBN-13：978-7111558804
韩文 ISBN-13：979-1187497035
俄语 ISBN-13：978-5970604090

目录和代码笔记本

只需点击章节标题旁边的ipynb / nbviewer链接即可查看代码示例（目前仅 NbViewer 版本支持内部文档链接）。请注意，这些只是本书附带的代码示例，我上传这些示例是为了您的方便；请注意，如果没有公式和描述性文本，这些笔记本可能没有用。

前言和序言摘录
设置 Python 和 Jupiter Notebook 的说明

机器学习 - 赋予计算机从数据中学习的能力 [dir] [ipynb] [nbviewer]
训练分类机器学习算法 [dir] [ipynb] [nbviewer]
使用 Scikit-Learn 的机器学习分类器概览 [dir] [ipynb] [nbviewer]
构建良好的训练集 - 数据预处理 [dir] [ipynb] [nbviewer]
通过降维压缩数据 [dir] [ipynb] [nbviewer]
学习模型评估和超参数优化的最佳实践 [dir] [ipynb] [nbviewer]
组合不同模型进行集成学习 [dir] [ipynb] [nbviewer]
将机器学习应用于情感分析 [dir] [ipynb] [nbviewer]
将机器学习模型嵌入到 Web 应用程序中 [dir] [ipynb] [nbviewer]
使用回归分析预测连续目标变量 [dir] [ipynb] [nbviewer]
使用未标记的数据 – 聚类分析 [dir] [ipynb] [nbviewer]
训练用于图像识别的人工神经网络 [dir] [ipynb] [nbviewer]
通过 Theano 并行化神经网络训练 [dir] [ipynb] [nbviewer]

方程参考

[PDF] [TEX]

教学幻灯片

非常感谢 Dmitriy Dligach 分享了他目前在芝加哥洛约拉大学提供的机器学习课程的幻灯片。

https://github.com/dmitriydligach/PyMLSlides

其他数学和 NumPy 资源

一些读者询问有关 Math 和 NumPy 的入门知识，因为由于长度限制，它们没有包含在内。然而，我最近为另一本书整理了这些资源，但我在网上免费提供这些章节，希望它们也可以作为本书的有用背景材料：

代数基础 [PDF] [EPUB]
微积分和微分入门 [PDF] [EPUB]
NumPy 简介 [PDF] [EPUB] [代码笔记本]

引用这本书

非常欢迎您在科学出版物和其他作品中重复使用本书中的代码片段或其他内容；在这种情况下，我希望引用原始来源：

参考书目：

 @Book{raschka2015python,
 author = {Raschka, Sebastian},
 title = {Python Machine Learning},
 publisher = {Packt Publishing},
 year = {2015},
 address = {Birmingham, UK},
 isbn = {1783555130}
 }

司法协助：

拉斯卡，塞巴斯蒂安。 Python机器学习。英国伯明翰：Packt Publishing，2015 年。印刷。

反馈与评论

简短的评论片段

Sebastian Raschka 的新书《Python 机器学习》刚刚发布。我有机会阅读了评论副本，它正如我所期望的那样 - 真的很棒！它组织良好，超级容易遵循，它不仅为聪明的非专家提供了良好的基础，从业者也可以在这里获得一些想法并学习新的技巧。
– Data Elixir 的 Lon Riesberg

干得好！到目前为止，对我来说，它似乎已经达到了理论和实践……数学和代码的正确平衡！
——布莱恩·托马斯

我（几乎）读过所有基于 Scikit-learn 的机器学习书籍，这无疑是最好的一本。
——贾森·沃洛索诺维奇

我见过的最好的书，来自 PACKT Publishing。这是一篇关于使用 Python 进行机器学习的写得非常好的介绍。正如其他人所指出的，这是理论与应用的完美结合。
——乔什·D.

这本书融合了很难获得的品质：将控制理论所需的数学与 Python 中的应用编码相结合。同样令人高兴的是，它没有像许多其他书籍那样浪费纸张来介绍 Python 入门知识，只是为了吸引更多读者。您可以看出它是由知识渊博的作家编写的，而不仅仅是 DIY 极客。
– 亚马逊客户

Sebastian Raschka 创建了一个令人惊叹的机器学习教程，它将理论与实践相结合。这本书从理论角度解释了机器学习，并有大量编码示例来展示如何实际使用机器学习技术。初学者或高级程序员都可以阅读它。

William P. Ross，7 本必读的 Python 书籍

较长的评论

如果您需要帮助来确定这本书是否适合您，请查看下面链接的一些“较长”评论。（如果您写了评论，请告诉我，我很乐意将其添加到列表中）。

特许 IT 学院 Patrick Hill 的 Python 机器学习评论
书评：Python 机器学习作者：Sebastian Raschka 作者：Alex Turner，WhatPixel

链接

Amazon.com、Amazon.co.uk、Amazon.de 的电子书和平装本
Packt（出版商）的电子书和平装本
其他书店：Google Books、O'Reilly、Safari、Barnes & Noble、Apple iBooks...
社交平台：Goodreads

翻译

意大利语翻译来自“Apogeo”
德语翻译来自“mitp Verlag”
日语翻译来自“Impress Top Gear”
中文翻译（繁体中文）
中文翻译（简体中文）
韩语翻译来自“Kyobo”
波兰语翻译来自“Helion”

文献参考和进一步阅读资源

勘误表

附赠笔记本（不在书中）

逻辑回归实现 [dir] [ipynb] [nbviewer]
基本管道和网格搜索设置 [dir] [ipynb] [nbviewer]
扩展嵌套交叉验证示例 [dir] [ipynb] [nbviewer]
一个简单的 Barebones Flask Web 应用程序模板 [查看目录][下载为 zip 文件]
将 MNIST 中的手写数字读取到 NumPy 数组中 [GitHub ipynb] [nbviewer]
使用 JSON 的 Scikit-learn 模型持久化 [GitHub ipynb] [nbviewer]
多项式逻辑回归/softmax回归 [GitHub ipynb] [nbviewer]

“相关内容”（书中没有）

机器学习中的模型评估、模型选择和算法选择 - 第一部分
机器学习中的模型评估、模型选择和算法选择 - 第二部分
机器学习中的模型评估、模型选择和算法选择 - 第三部分

SciPy 2016

我们在奥斯汀举行的 2016 年 SciPy 大会上度过了一段愉快的时光！与我的书的这么多读者见面并聊天真是一件很高兴的事。非常感谢所有的好话和反馈！如果您错过了，Andreas Mueller 和我介绍了 Scikit-learn 的机器学习；如果您有兴趣，第一部分和第二部分的视频现已上线！