python machine learning book下載 - python machine learning book原始碼下載

python machine learning book

Python

v1.3

下載

Python機器學習書籍程式碼庫

重要提示（2017 年 9 月 21 日）：

此 GitHub 儲存庫包含第一版Python 機器學習書籍的程式碼範例。如果您正在尋找第二版的程式碼範例，請參閱此儲存庫。

您可以期待 400 頁豐富的有用材料，幾乎是您開始機器學習所需了解的一切……從理論到您可以直接付諸實踐的實際程式碼！這不僅僅是另一本「這就是 scikit-learn 的工作原理」的書。我的目標是解釋所有基本概念，告訴您在最佳實踐和注意事項方面需要了解的所有內容，我們將主要使用 NumPy、scikit-learn 和 Theano 將這些概念付諸實踐。

您不確定這本書是否適合您？請查看前言和前言的摘錄，或查看常見問題部分以獲取更多資訊。

初版，2015 年 9 月 23 日出版
平裝本：454 頁
出版商: Packt Publishing

語言：英語
ISBN-10: 1783555130

ISBN-13：978-1783555130
Kindle ASIN：B00YSILNL0

德文 ISBN-13：978-3958454224
日本 ISBN-13：978-4844380603
義大利文 ISBN-13：978-8850333974
中文（繁體）ISBN-13：978-9864341405
中文（大陸）ISBN-13：978-7111558804
韓文 ISBN-13：979-1187497035
俄文 ISBN-13：978-5970604090

目錄和程式碼筆記本

只需點擊章節標題旁的ipynb / nbviewer連結即可查看程式碼範例（目前僅 NbViewer 版本支援內部文件連結）。請注意，這些只是本書附帶的程式碼範例，我上傳這些範例是為了您的方便；請注意，如果沒有公式和描述性文本，這些筆記本可能沒有用。

前言和序言摘錄
設定 Python 和 Jupiter Notebook 的說明

機器學習 - 賦予電腦從資料中學習的能力 [dir] [ipynb] [nbviewer]
訓練分類機器學習演算法 [dir] [ipynb] [nbviewer]
使用 Scikit-Learn 的機器學習分類器概覽 [dir] [ipynb] [nbviewer]
建立良好的訓練集 - 資料預處理 [dir] [ipynb] [nbviewer]
透過降維壓縮資料 [dir] [ipynb] [nbviewer]
學習模型評估和超參數最佳化的最佳實踐 [dir] [ipynb] [nbviewer]
組合不同模型進行整合學習 [dir] [ipynb] [nbviewer]
將機器學習應用於情緒分析 [dir] [ipynb] [nbviewer]
將機器學習模型嵌入 Web 應用程式中 [dir] [ipynb] [nbviewer]
使用迴歸分析預測連續目標變數 [dir] [ipynb] [nbviewer]
使用未標記的資料 – 聚類分析 [dir] [ipynb] [nbviewer]
訓練用於影像辨識的人工神經網路 [dir] [ipynb] [nbviewer]
透過 Theano 並行化神經網路訓練 [dir] [ipynb] [nbviewer]

方程式參考

[PDF] [TEX]

教學幻燈片

非常感謝 Dmitriy Dligach 分享了他目前在芝加哥洛約拉大學提供的機器學習課程的幻燈片。

https://github.com/dmitriydligach/PyMLSlides

其他數學和 NumPy 資源

一些讀者詢問有關 Math 和 NumPy 的入門知識，因為由於長度限制，它們沒有包含在內。然而，我最近為另一本書整理了這些資源，但我在網路上免費提供這些章節，希望它們也可以作為本書的有用背景資料：

代數基礎 [PDF] [EPUB]
微積分與微分入門 [PDF] [EPUB]
NumPy 簡介 [PDF] [EPUB] [程式碼筆記本]

引用這本書

非常歡迎您在科學出版物和其他作品中重複使用本書中的程式碼片段或其他內容；在這種情況下，我希望引用原始來源：

參考書目：

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

司法協助：

拉斯卡，塞巴斯蒂安。 Python機器學習。英國伯明罕：Packt Publishing，2015 年。

反饋與評論

簡短的評論片段

Sebastian Raschka 的新書《Python 機器學習》剛發布。我有機會閱讀了評論副本，它正如我所期望的那樣 - 真的很棒！它組織得很好，超級容易遵循，它不僅為聰明的非專家提供了良好的基礎，從業者也可以在這裡獲得一些想法並學習新的技巧。
– Data Elixir 的 Lon Riesberg

幹得好！到目前為止，對我來說，它似乎已經達到了理論和實踐……數學和程式碼的正確平衡！
——布萊恩‧托馬斯

我（幾乎）讀過所有以 Scikit-learn 為基礎的機器學習書籍，這無疑是最好的一本。
——賈森‧沃洛索諾維奇

我見過的最好的書，來自 PACKT Publishing。這是一篇關於使用 Python 進行機器學習的寫得非常好的介紹。正如其他人所指出的，這是理論與應用的完美結合。
——喬許·D.

這本書融合了很難獲得的品質：將控制理論所需的數學與 Python 中的應用編碼結合。同樣令人高興的是，它沒有像許多其他書籍那樣浪費紙張來介紹 Python 入門知識，只是為了吸引更多讀者。您可以看出它是由知識淵博的作家編寫的，而不僅僅是 DIY 極客。
– 亞馬遜客戶

Sebastian Raschka 創建了一個令人驚嘆的機器學習教程，它將理論與實踐相結合。這本書從理論角度解釋了機器學習，並有大量編碼範例來展示如何實際使用機器學習技術。初學者或高級程式設計師都可以閱讀它。

William P. Ross，7 本必讀的 Python 書籍

較長的評論

如果您需要協助來確定這本書是否適合您，請查看下面連結的一些「較長」評論。（如果您寫了評論，請告訴我，我很樂意將其添加到列表中）。

特許 IT 學院 Patrick Hill 的 Python 機器學習評論
書評：Python 機器學習作者：Sebastian Raschka 作者：Alex Turner，WhatPixel

連結

Amazon.com、Amazon.co.uk、Amazon.de 的電子書和平裝本
Packt（出版商）的電子書和平裝本
其他書店：Google Books、O'Reilly、Safari、Barnes & Noble、Apple iBooks...
社群平台：Goodreads

翻譯

義大利文翻譯來自“Apogeo”
德語翻譯來自“mitp Verlag”
日文翻譯來自“Impress Top Gear”
中文翻譯（繁體中文）
中文翻譯（簡體中文）
韓文翻譯來自“Kyobo”
波蘭文翻譯來自“Helion”

文獻參考與進一步閱讀資源

勘誤表

附贈筆記本（不在書中）

邏輯迴歸實作 [dir] [ipynb] [nbviewer]
基本管道和網格搜尋設定 [dir] [ipynb] [nbviewer]
擴展嵌套交叉驗證範例 [dir] [ipynb] [nbviewer]
一個簡單的 Barebones Flask Web 應用程式模板 [查看目錄][下載為 zip 檔案]
將 MNIST 中的手寫數字讀取到 NumPy 陣列中 [GitHub ipynb] [nbviewer]
使用 JSON 的 Scikit-learn 模型持久化 [GitHub ipynb] [nbviewer]
多項式邏輯迴歸/softmax迴歸 [GitHub ipynb] [nbviewer]

「相關內容」（書中沒有）

機器學習中的模型評估、模型選擇和演算法選擇 - 第一部分
機器學習中的模型評估、模型選擇和演算法選擇 - 第二部分
機器學習中的模型評估、模型選擇和演算法選擇 - 第三部分

SciPy 2016

我們在奧斯汀舉行的 2016 年 SciPy 大會上度過了一段愉快的時光！與我的書的這麼多讀者見面並聊天真是一件很高興的事。非常感謝所有的好話和回饋！如果你錯過了，Andreas Mueller 和我介紹了 Scikit-learn 的機器學習；如果您有興趣，第一部分和第二部分的影片現已上線！