• 书名:《Python进行机器学习》 封面: 目录及源码github地址:https://github.com/amueller/introduction_to_ml_with_python 第 1 章 引言 1.1 为何选择机器学习 1.1.1 机器学习能够解决的问题 1.1.2 熟悉任务...

    书名:《Python进行机器学习

    封面:

    目录及源码github地址:https://github.com/amueller/introduction_to_ml_with_python

    第 1 章 引言
    1.1 为何选择机器学习
    1.1.1 机器学习能够解决的问题
    1.1.2 熟悉任务和数据
    1.2 为何选择Python
    1.3 scikit-learn
    安装scikit-learn
    1.4 必要的库和工具
    1.4.1 Jupyter Notebook
    1.4.2 NumPy
    1.4.3 SciPy
    1.4.4 matplotlib
    1.4.5 pandas
    1.4.6 mglearn
    1.5 Python 2与Python 3的对比
    1.6 本书用到的版本
    1.7 第一个应用: 鸢尾花分类
    1.7.1 初识数据
    1.7.2 衡量模型是否成功: 训练数据与测试数据
    1.7.3 要事第一: 观察数据
    1.7.4 构建第一个模型: k近邻算法
    1.7.5 做出预测
    1.7.6 评估模型
    1.8 小结与展望
    第 2 章 监督学习
    2.1 分类与回归
    2.2 泛化、 过拟合与欠拟合
    模型复杂度与数据集大小的关系
    2.3 监督学习算法
    2.3.1 一些样本数据集
    2.3.2 k近邻
    2.3.3 线性模型
    2.3.4 朴素贝叶斯分类器
    2.3.5 决策树
    2.3.6 决策树集成
    2.3.7 核支持向量机
    2.3.8 神经网络( 深度学习)
    2.4 分类器的不确定度估计
    2.4.1 决策函数
    2.4.2 预测概率
    2.4.3 多分类问题的不确定度
    2.5 小结与展望
    第 3 章 无监督学习与预处理
    3.1 无监督学习的类型
    3.2 无监督学习的挑战
    3.3 预处理与缩放
    3.3.1 不同类型的预处理
    3.3.2 应用数据变换
    3.3.3 对训练数据和测试数据进行相同的缩放
    3.3.4 预处理对监督学习的作用
    3.4 降维、 特征提取与流形学习
    3.4.1 主成分分析
    3.4.2 非负矩阵分解
    3.4.3 用t-SNE进行流形学习
    3.5 聚类
    3.5.1 k均值聚类
    3.5.2 凝聚聚类
    3.5.3 DBSCAN
    3.5.4 聚类算法的对比与评估
    3.5.5 聚类方法小结
    3.6 小结与展望
    第 4 章 数据表示与特征工程
    4.1 分类变量
    4.1.1 One-Hot编码( 虚拟变量)
    4.1.2 数字可以编码分类变量
    4.2 分箱、 离散化、 线性模型与树
    4.3 交互特征与多项式特征
    4.4 单变量非线性变换
    4.5 自动化特征选择
    4.5.1 单变量统计
    4.5.2 基于模型的特征选择
    4.5.3 迭代特征选择
    4.6 利用专家知识
    4.7 小结与展望
    第 5 章 模型评估与改进
    5.1 交叉验证
    5.1.1 scikit-learn中的交叉验证
    5.1.2 交叉验证的优点
    5.1.3 分层 k 折交叉验证和其他策略
    5.2 网格搜索
    5.2.1 简单网格搜索
    5.2.2 参数过拟合的风险与验证集
    5.2.3 带交叉验证的网格搜索
    5.3 评估指标与评分
    5.3.1 牢记最终目标
    5.3.2 二分类指标
    5.3.3 多分类指标
    5.3.4 回归指标
    5.3.5 在模型选择中使用评估指标
    5.4 小结与展望
    第 6 章 算法链与管道
    6.1 用预处理进行参数选择
    6.2 构建管道
    6.3 在网格搜索中使用管道
    6.4 通用的管道接口
    6.4.1 用make_pipeline方便地创建管道
    6.4.2 访问步骤属性
    6.4.3 访问网格搜索管道中的属性
    6.5 网格搜索预处理步骤与模型参数
    6.6 网格搜索选择使用哪个模型
    6.7 小结与展望
    第 7 章 处理文本数据
    7.1 用字符串表示的数据类型
    7.2 示例应用: 电影评论的情感分析
    7.3 将文本数据表示为词袋
    7.3.1 将词袋应用于玩具数据集
    7.3.2 将词袋应用于电影评论
    7.4 停用词
    7.5 用tf-idf缩放数据
    7.6 研究模型系数
    7.7 多个单词的词袋( n元分词)
    7.8 高级分词、 词干提取与词形还原
    7.9 主题建模与文档聚类
    隐含狄利克雷分布
    7.10 小结与展望
    第 8 章 全书总结
    8.1 处理机器学习问题
    参与决策过程的人
    8.2 从原型到生产
    8.3 测试生产系统
    8.4 构建你自己的估计器
    8.5 下一步怎么走
    8.5.1 理论
    8.5.2 其他机器学习框架和包
    8.5.3 排序、 推荐系统与其他学习类型
    8.5.4 概率建模、 推断与概率编程
    8.5.5 神经网络
    8.5.6 推广到更大的数据集
    8.5.7 磨练你的技术
    8.6 总结
     

    展开全文
  • 很多小伙伴说想学习想学习但是没有学习书籍,我给大家分享一大波学习书籍,具体的可以自己往下翻 ​《“笨办法学”Python3》 Zed Shaw 著 (2018年5月) 本书是基于Python 3.6版本编写的。百万粉丝...

    很多小伙伴说想学习想学习但是没有学习书籍,我给大家分享一大波学习书籍,具体的可以自己往下翻

    image.png

    《“笨办法学”Python3》

    Zed Shaw 著

    (2018年5月)

    本书是基于Python 3.6版本编写的。百万粉丝程序员带你轻松入门Python语言!

    手机扫码看视频,学习更轻松!5小时的完整视频教程,纯美式发音,搭配中文字幕,边看边练两不误;52个精心设计的编程习题,拒绝拖沓,提供项目案例,学以致用不务虚。

    本书是一本Python入门书籍,适合对计算机了解不多,没有学过编程,但对编程感兴趣的读者学习使用。这本书以习题的方式引导读者一步一步学习编程,从简单的打印一直讲到完整项目的实现,让初学者从基础的编程技术入手,最终体验到软件开发的基本过程。​

    image.png
    《Python编程从入门到精通》

    叶维忠 著

    (2018年5月)

    本书循序渐进、由浅入深地详细讲解了Python 3语言开发的核心技术,并通过具体实例的实现过程演练了各个知识点的具体使用流程。通过两个综合实例的实现过程,介绍了Python 3语言在综合项目中的使用流程。全书内容循序渐进,以“技术解惑”和“范例演练”贯穿全书,引领读者全面掌握Python 3语言。

    书中共有900多个实例和范例、300多个正文实例、600多个拓展范例、77个课后练习、63个技术解惑、两大综合案例,每个知识点除了一个实例外,还有两个拓展范例,达到举一反三的效果。

    可以说一本书包括三本书的内容:基础、实例、综合案例

    本书售后服务:

    在线辅导课堂,帮助读者快速解决学习问题

    33小时的视频讲解,降低学习难度

    QQ群+网站论坛实现教学互动,形成互帮互学的朋友圈​

    美亚畅销Python 3编程图书,帮助你通过编程快速实现工作自动化 。
    在本书中,你将学习利用Python 编程,在几分钟内完成手工需要几小时的工作,而事先却无需具备编程经验。一旦掌握了编程的基础知识,你就可以毫不费力地创建Python 程序,完成高效的自动化工作,包括:
      ● 在一个文件或多个文件中搜索文本;
      ● 创建、更新、移动和重命名文件和文件夹;
      ● 搜索网页和下载的在线内容;
      ● 在任意大小的Excel电子表格中更新和格式化数据;
      ● 拆分、合并PDF文件,以及如何加水印和加密;
      ● 发送提醒邮件和文本通知;
      ● 填写在线表格。

    image.png

    [​《易学Python》](

     [澳] Anthony,Briggs  著

    点击封面购买纸书

    《易学Python》采用简洁、有趣、易学的方式对Python 3编程语言进行了讲解,其风格与通篇介绍编程特性、罗列语言功能的大多数编程图书不同,而是引导读者带着好奇,带着问题去学习、掌握Python编程语言,继而编写真实而有用的程序。

    《易学Python》总共分为3部分,共12章,第1部分介绍了为何使用Python来编程。从第2部分起,通过编写Hunt the Wumpus游戏带领读者认识并解决编程中的一些实际问题。例如,如何管理复杂的程序,确保其清晰易懂;如何在程序中使用Python标准库,以节省编程时间,同时让程序更容易理解;如何对编写好的程序进行测试;如何进行面向对象的程序设计。第3部分则使用框架对书中的程序进行完善,让读者对Python的强大功能有一个更深入的认识。本书最后还提供了一些Python资源,供读者深入学习Python时参考。

    无论您是零基础的Python初学人员,还是具有其他语言编程经验,但是想从事Python开发的人员,《易学Python》都将带领您踏上有趣的Python学习之路。


    如果想要学习如何编程,从Python语言入手是一个很好的开端。本书从基本的编程概念开始,一步步引导读者了解Python语言,再逐渐掌握函数、递归、数据结构和面向对象设计等高阶概念。本书第2版及其辅助代码均已升级,支持Python 3。

    从基础开始,包括语言的语法和语义。
    掌握每一个编程概念的清晰定义。
    循序渐进地学习值、变量、语句、函数和数据结构。
    了解如何操作文件和数据库。
    理解对象、方法和面向对象编程。
    使用各种调试技巧来修复语法错误、运行时错误和语义错误。
    通过一系列案例研究来探索函数、数据结构和算法。

    本书的示例代码均在GitHub仓库中维护,读者很容易下载和修改。

    以下书籍就不进行一 一介绍,就分享图示封面

    在这里还是要推荐下我自己建的Python开发学习群:725479218,群里都是学Python开发的,如果你正在学习Python ,小编欢迎你加入,大家都是软件开发党,不定期分享干货(只有Python软件开发相关的),包括我自己整理的一份2018最新的Python进阶资料和高级开发教程,欢迎进阶中和进想深入Python的小伙伴

    image.png
                       《Python核心编程(第3版)》

    image.png
    ​《Python程序员自学指南》

    image.png

    《Python程序设计(第3版)》

    !
    《笨办法”学Python(第3版)》

    !
    《 Python 3程序开发指南(第2版 修订版)》

    !
    ​《Python Cookbook(第3版)中文版》

    !
    《Python面向对象编程指南》

    !​《Python高性能编程》

    !《Python高手之路(第3版)》

    !《Python算法教程》

    《掌握Python爬虫框架Scrapy(第2版) 》

    !《精通Python爬虫框架Scrapy 》

    !​《Python游戏编程快速上手(第4版)》

    !《Python数据可视化编程实战 

    Python数据分析

    !《Python机器学习——预测分析核心算法》

    ​《Python机器学习实践指南》

    !​《深度学习Python实践》

    ​《数据结构 Python语言描述》

    《Python金融大数据分析》

    ​《树莓派Python编程入门与实战(第2版)》

    好了,今天的分享就到这里,有些书籍大家用不到,所以我就没有分享,欢迎加群一起交流学习:725479218

    展开全文
  • 机器学习贝叶斯学派的经典书籍 课程推荐: 《Machine Learning》-Andrew Ng http://t.cn/RJZQbV2 由前百度首席科学家Stanford教授吴恩达老师录制 深入浅出的讲解了机器学习的原理和算法知识 ...

    摘抄自北京理工大学Python机器学习课程

    书籍推荐:
    西瓜书:《机器学习》-周志华
    如何利用西瓜的各种特征如色泽,根蒂来挑选可口的西瓜
    《PRML》-Bishop
    机器学习贝叶斯学派的经典书籍

    课程推荐:
    《Machine Learning》-Andrew Ng
    http://t.cn/RJZQbV2
    由前百度首席科学家Stanford教授吴恩达老师录制
    深入浅出的讲解了机器学习的原理和算法知识

    展开全文
  • Python是一种通用的解释型编程,主要用于Web开发、机器学习和复杂数据分析。Python对初学者来说是一种完美的语言,因为它易于学习和理解,随着这种语言的普及,Python程序员的机会也越来越大。 更多Python视频、...

    Python是一种通用的解释型编程,主要用于Web开发、机器学习和复杂数据分析。Python对初学者来说是一种完美的语言,因为它易于学习和理解,随着这种语言的普及,Python程序员的机会也越来越大。

    更多Python视频、源码、资料加群683380553免费获取

    如果你想学习Python编程,市场上就有很多的书籍。近日,hackr社区推荐了10本最佳的Python书籍。是2018年最受编程社区成员推荐的Python书,该列表还包括一些为初学者准备的免费Python书籍。

    适合初学者的最佳Python书籍

     

    1、《Python编程:从入门到实践》

     

    2018年度最受推荐的10本Python书籍

     

    埃里克·马瑟斯的这本《Python编程:从入门到实践》是一本快速,全面的Python语言入门教程,适合初学者,他们希望学习Python编程并能够编写出有用的程序。本书旨在让读者快速上手编写真正的程序。本书也适用于对语言有模糊理解并希望在尝试Python编程之前了解其知识的程序员。在学习本书时,你将学习使用Numpy和matplotlib等库和工具,并使用数据创建令人惊叹的可视化效果。你还将了解2D游戏和Web应用程序背后的思想以及如何创建它们。

    这本560页长的书主要分为两部分。本书的第一部分讨论了Python编程的基础知识,并阐述了字典,列表,循环和类等概念,在此部分你将了解Python程序的工作原理,并学习如何编写干净且可读的代码来创建交互式程序,第一部分最后讲解的主题是关于测试代码。本书的第二部分遵循实用的方法,通过使用Python的库实现三个不同的项目,街机游戏,简单的Web应用程序和数据可视化,帮助你检验通过这本书你都学到了什么

     

    2、《Head-First Python (2nd edition)》

     

    2018年度最受推荐的10本Python书籍

     

    如果你想要学习Python编程的基础知识,并且不想要看一堆乏味难懂的书籍和教程。那么Paul Barry的《Head First Python》就是你的不二之选,它将帮助你快速掌握Python编程的基础知识,并使用内置函数和数据结构。然后,本书将帮助你构建自己的Web应用程序,异常处理,数据争论和其他概念。

    作者是Paul Barry,是一位讲师。在进入学术界之前,他在IT行业工作了十多年。他是许多著名编程书籍的作者。

     

    3、《“笨方法”学Python》

     

    2018年度最受推荐的10本Python书籍

     

    这本书结构很简单,是52个习题的集合。你必须认真阅读这些习题的代码并准确输入,然后你还得修复代码中的Bug,以便更好地理解并观察程序的运行情况。在这个过程中,你将了解软件是如何工作的,好的程序看起来是什么样子,怎样阅读、编写、思考代码,以及如何用专业程序员的技巧来找出并修正错误。

    本书通过帮助你安装完整的Python环境开始,接着教你如何编写优化的代码。然后,本书讨论了基础数学,变量,字符串,文件,循环,程序设计和数据结构等主题。本书非常适合想通过语言的核心来学习Python编程的初学者。作者是Zed A. Shaw,他是Hard Way系列的创建者,该系列包括有关C,Python和Ruby编程语言的书籍。

     

    4、《Python程序设计(第3版)》

     

    2018年度最受推荐的10本Python书籍

     

     

    John Zelle的《Python程序设计》,与其把它当做Python编程的代码介绍,不如把它当做是一本关于编程艺术的介绍,这本书将向你介绍计算机科学、编程以及其他相关的概念,只是使用Python语言作为初学者的媒介,本书以最适合初学者的方式讨论,因此书中的概念是非常有趣并易于理解

    第三版中最显著的变化就是几乎删除了所有python eval()库的使用,并增加了一个讨论其缺点的部分,最新版本还使用了新的图形示例。

     

    最适合初学者的免费Python书籍

     

    5、《像计算机科学家一样思考Python (第2版)》

     

    2018年度最受推荐的10本Python书籍

     

    本书按照培养读者像计算机科学家一样的思维方式的思路来教授Python语言编程。作者从最基本的编程概念开始讲起,包括语言的语法和语义,而且每个编程概念都有清晰的定义,引领读者循序渐进地学习变量、表达式、语句、函数和数据结构。此外,书中还探讨了如何处理文件和数据库,如何理解对象、方法和面向对象编程,如何使用调试技巧来修正语法、运行时和语义错误。

    本书是遵循GUN自由文档许可,可以被免费下载和打印,已经被翻译成西班牙语、意大利语、德语、捷克语、中文等

     

    6、《A Byte of Python》

     

    2018年度最受推荐的10本Python书籍

     

     

    这是另外一本关于Python的免费书籍,本书主要讨论Python 3版本,这本书有超过26种语言可供选择,包括土耳其语、瑞典语、法语、汉语、德语、西班牙语、俄语、乌克兰语、葡萄牙语和朝鲜语。这些翻译是由活跃的社区成员提供的

     

    这本书首先介绍了这本书是关于什么的,然后介绍Python以及它如何成为编程世界中最强大的语言之一。然后介绍Python概念,并在每个示例的步骤中详细讲解。在阅读完本书之后,你还需要继续深入学习Python

    适合中高级程序员的Python书籍

     

    7、《Python Cookbook(第3版)中文版》

     

    2018年度最受推荐的10本Python书籍

     

    《Python Cookbook(第3版)中文版》旨在帮助你掌握Python 3中的编程技巧,对于那些想要采用现代工具和用法,而不仅仅是标准编码的有经验的Python程序员来说,这本书包含了大量用Python 3.3测试过的代码。本书提供了各种主题的完整代码,包括Python语言及其用途,以及大量应用程序领域的常见示例。

     

    8、《Python机器学习基础教程》

     

    2018年度最受推荐的10本Python书籍

     

    许多商业应用和项目都将机器学习作为其不可或缺的组成部分,而这类的应用程序多年来一直在增加。Sarah Guido和Andreas C. Muller的这本书将教你如何使用Python编程语言来构建自己的机器学习解决方案。

    在本书中,你将了解使用Python和scikit-learn库创建丰富的机器学习应用程序所需的步骤。向你介绍机器学习的基本概念和用法,然后再介绍流行的机器学习算法的优缺点。然后,你还将了解交叉验证和网格搜索;管道的概念;如何将前面各章的方法应用到文本数据上,以及介绍了一些文本特有的处理方法。总之,本书将提供能够帮助你提高数据科学技能的一切建议。

     

    9、《流畅的Python》

     

    2018年度最受推荐的10本Python书籍

     

    本书将帮助你学习如何使用该语言最被忽视但最好的特性来编写有效的Python代码。作者将带你了解该语言的特性和库,并帮助你使代码更短、更快和可读。

    本书涵盖了各种概念,包括python数据模型、数据结构、把函数视作对象、面向对象习惯用法、控制流程和元编程。通过这本书,高级Python程序员将了解Python 3以及如何精通该语言版本。

    本文作者Luciano Ramalho是一名Web开发人员,他通过Python与巴西一些最大的新闻门户网站合作,并拥有自己的Python培训公司。

     

    10、《Programming Python》

     

    2018年度最受推荐的10本Python书籍

     

    非常适合那些已经了解了Python编程的基本原理并准备学习如何使用它们来完成实际工作的程序员。这本书包含了关于Python的各种应用领域的深入教程,例如gui、Web和系统管理。本书还将讨论如何在数据库、文本处理、前端脚本层、网络等方面使用该语言。

    这本书还介绍了一些常用的工具,语言语法,和编程技术等,还有许多示例,向你讲解正确的用法。这本书还深入探讨了这种语言作为软件开发工具的会遇到问题,并举例说明了几个具体的例子。

    以上,就是hackr社区推荐了10本最佳的Python书籍,有没有你看过的呢?

    展开全文
  • python书籍

    2020-05-15 15:08:29
    Applied Natural Language Processing with Python Building Chatbots with Python Data Analysis and Visualization Using Python Instant Data Intensive Apps with pandas How-to Large Scale Data Analytics ...
  • 机器学习/深度学习并不需要很多数学基础!”也许你在不同的地方听过不少类似这样的说法。对于鼓励数学基础不好的同学入坑机器学习来说,这句话是挺不错的。不过,机器学习理论是与统计学、概率论、计算机科学、...

    “机器学习/深度学习并不需要很多数学基础!”也许你在不同的地方听过不少类似这样的说法。对于鼓励数学基础不好的同学入坑机器学习来说,这句话是挺不错的。不过,机器学习理论是与统计学、概率论、计算机科学、算法等方面交叉的领域,对这些技术有一个全面的数学理解对理解算法的内部工作机制、获取好的结果是有必要的。机器学习确实需要对一些数学领域有深入理解,缺乏必要的数学知识,很可能在更深入的学习中不断遇到挫折,甚至导致放弃。

     

    说的很多小伙伴恐怕心都凉了一半,或者已经开始打退堂鼓了。不要紧,山人自有妙法。下面就给大家分享一下,主要是一些资源(书籍或者视频课程)。人工智能(机器学习或数据挖掘等)中最最重要的数学就是线性代数与概率论(还有其他,但这两者比重最大)。

     

    所以我找了个书单自学,电子书为主,顺便分享出来。使用电子书的形式是因为,个人偏好。即使我买了实体书,一旦找到了电子书,我马上就会把纸质书扔到床底下。如果侵犯了任何人的权益,烦请及时通知。

     

    前言:技术书阅读方法论

     

    一.速读一遍(最好在1~2天内完成)

     

    人的大脑记忆力有限,在一天内快速看完一本书会在大脑里留下深刻印象,对于之后复习以及总结都会有特别好的作用。

     

    对于每一章的知识,先阅读标题,弄懂大概讲的是什么主题,再去快速看一遍,不懂也没有关系,但是一定要在不懂的地方做个记号,什么记号无所谓,但是要让自己后面再看的时候有个提醒的作用,看看第二次看有没有懂了些。

     

    二.精读一遍(在2周内看完)

     

    有了前面速读的感觉,第二次看会有慢慢深刻了思想和意识的作用,具体为什么不要问我,去问30年后的神经大脑专家,现在人类可能还没有总结出为什么大脑对记忆的完全方法论,但是,就像我们专业程序员,打代码都是先实践,然后就渐渐懂了过程,慢慢懂了原理,所以第二遍读的时候稍微慢下来,2周内搞定。记住一句话:没看完一个章节后,总结一下这个章节讲了啥。很关键。

     

    三.实践(在整个过程中都要)

     

    实践的时候,要注意不用都去实践,最好看着书,敲下代码,把重点的内容敲一遍有个肌肉记忆就很不错了。

     

    以及到自己做过的项目中去把每个有涉及的原理的代码,研究一遍,就可以了

     

     

    备注:

    加:qq 1126137994

    或者微信:liu1126137994

    可以免费获取电子书籍!

     

    部分书籍截图:

     

     

     

     

    一. 数学基础

     

     

    1.微积分:《微积分学教程》 (F.M.菲赫金哥尔茨)俄罗斯的数学书

     

    2.线性代数:《Linear Algebra and Its Applications,Third Edition (David C.Lay)》讲得很实际,线性代数最重要的就是与实际应用相联系才能够理解其意义

     

    3.概率与统计:《概率论与数理统计 (陈希孺)》或《概率论与数理统计(盛骤/谢式千/潘承毅)》这两本书都很不错

     

    4.随机过程:《应用随机过程:概率模型导论 (Sheldon M. Ross)》这本书已经出到第10版了

     

    这四门是数学的基础,当然数学本身就是博大精深的。

     

    二. 机器学习与数据挖掘(偏理论)

    1.《 统计学习方法 (李航)》

     

     

     

    2.《统计学习基础 (Trevor Hastie, Robert Tibshirani, Jerome Friedman)》

     

    3.《Pattern Recognition and Machine Learning (Christopher Bishop)》

     

    4.《Introduction to Machine Learning (Ethem Alpaydin)》(《机器学习导论》)

     

    6.《Data Mining (韩家炜) 》

     

    7.《现代模式识别 (孙即祥) 》

    个人觉得《统计学习方法》与《统计学习基础》这两本书是基础,后面的书内容相差不大,所以前两本书应该看,而入门的话,后面的书可以选1到2本精读,剩下的书可作参考。

     

    三. 智能算法(偏应用)

     

    1.《Web智能算法 (Haralambos Marmanis, Dmitry Babenko)》

     

    2.《集体智慧编程 (Toby Segaran)》

     

    3.《推荐系统实践 (项亮)》

     

    4.《数据之魅 (Pbilipp K.Janert)》

     

    这几本书均是从实践的角度讲解了机器学习中常用的算法,非常值得一看。

     

    有人推荐,学习机器学习的话可以先读《统计学习方法》和《统计学习基础》打底,这样就包含了大部分的算法,然后再深入研究某个算法。

     

    四.机器学习入门级:

     

    1.《数学之美》;作者吴军大家都很熟悉。这本书主要的作用是引起了我对机器学习和自然语言处理的兴趣。里面以极为通俗的语言讲述了数学在这两个领域的应用。

     

    2.《Programming Collective Intelligence》(中译本《集体智慧编程》);作者Toby Segaran也是《BeautifulData : The Stories Behind Elegant Data Solutions》(《数据之美:解密优雅数据解决方案背后的故事》)的作者。这本书最大的优势就是里面没有理论推导和复杂的数学公式,是很不错的入门书。目前中文版已经脱销,对于有志于这个领域的人来说,英文的pdf是个不错的选择,因为后面有很多经典书的翻译都较差,只能看英文版,不如从这个入手。还有,这本书适合于快速看完,因为据评论,看完一些经典的带有数学推导的书后会发现这本书什么都没讲,只是举了很多例子而已。

     

    3.《Algorithms of the Intelligent Web》(中译本《智能web算法》);作者Haralambos Marmanis、Dmitry Babenko。这本书中的公式比《集体智慧编程》要略多一点,里面的例子多是互联网上的应用,看名字就知道。不足的地方在于里面的配套代码是BeanShell而不是python或其他。总起来说,这本书还是适合初学者,与上一本一样需要快速读完,如果读完上一本的话,这一本可以不必细看代码,了解算法主要思想就行了。

     

    4.《统计学习方法》;作者李航,是国内机器学习领域的几个大家之一,曾在MSRA任高级研究员,现在华为诺亚方舟实验室。书中写了十个算法,每个算法的介绍都很干脆,直接上公式,是彻头彻尾的“干货书”。每章末尾的参考文献也方便了想深入理解算法的童鞋直接查到经典论文;本书可以与上面两本书互为辅助阅读。

     

    5.《Machine Learning》(《机器学习》);作者TomMitchell[2]是CMU的大师,有机器学习和半监督学习的网络课程视频。这本书是领域内翻译的较好的书籍,讲述的算法也比《统计学习方法》的范围要大很多。据评论这本书主要在于启发,讲述公式为什么成立而不是推导;不足的地方在于出版年限较早,时效性不如PRML。但有些基础的经典还是不会过时的,所以这本书现在几乎是机器学习的必读书目。那么Mitchell的<机器学习>是经典的入门之作。当然,因为年代久远,很多新的模型都没有涉及到,但不影响他的经典性——入门级。

     

    6.《机器学习实战》对于程序员,想快速了解模型流程和优缺点的,甚至是实现模型的,那么是我比较推荐的,现在已经有中文版了<机器学习实战>。这本书,提到了很多常见的模型,开始就是模型背景简介,之后是模型优缺点和应用场景、在接着算法实现和案例。而且,在书的最后,提及了一些比较切合时代的话题——大数据下机器学习。

     

    《机器学习基础》对于想从事机器学习的入门人员,比较推荐一本有中文版的<机器学习基础>(Simon Rogers的,英国格拉斯哥大学计算机科学学院讲师),这本书适合高年级本科生和研究生。从理论的角度,推导了各个算法,以及探究了各个模型的特性等。涉及数学和矩阵的地方,都有详细的参照。适合高端点的入门,看这本书,可以体会一下自己的数学和矩阵,有种必须要加强的感觉。

    7.《Mining of Massive Datasets》(《大数据》);作者Anand Rajaraman[3]、Jeffrey David Ullman,Anand是Stanford的PhD。这本书介绍了很多算法,也介绍了这些算法在数据规模比较大的时候的变形。但是限于篇幅,每种算法都没有展开讲的感觉,如果想深入了解需要查其他的资料,不过这样的话对算法进行了解也足够了。还有一点不足的地方就是本书原文和翻译都有许多错误,勘误表比较长,读者要用心了。

     

    8.《Data Mining: Practical Machine Learning Tools and Techniques》(《数据挖掘:实用机器学习技术》);作者Ian H. Witten 、Eibe Frank是weka的作者、新西兰怀卡托大学教授。他们的《ManagingGigabytes》[4]也是信息检索方面的经典书籍。这本书最大的特点是对weka的使用进行了介绍,但是其理论部分太单薄,作为入门书籍还可,但是,经典的入门书籍如《集体智慧编程》、《智能web算法》已经很经典,学习的话不宜读太多的入门书籍,建议只看一些上述两本书没讲到的算法。

     

    五.机器学习深入级:

     

    1.《Pattern Classification》(《模式分类》第二版);作者Richard O. Duda[5]、Peter E. Hart、David。模式识别的奠基之作,但对最近呈主导地位的较好的方法SVM、Boosting方法没有介绍,被评“挂一漏万之嫌”。

     

    2.《The Elements of Statistical Learning : Data Mining, Inference, andPrediction》,(《统计学习基础:数据挖掘、推理与预测》第二版);作者RobertTibshirani、Trevor Hastie、Jerome Friedman。“这本书的作者是Boosting方法最活跃的几个研究人员,发明的Gradient Boosting提出了理解Boosting方法的新角度,极大扩展了Boosting方法的应用范围。这本书对当前最为流行的方法有比较全面深入的介绍,对工程人员参考价值也许要更大一点。另一方面,它不仅总结了已经成熟了的一些技术,而且对尚在发展中的一些议题也有简明扼要的论述。让读者充分体会到机器学习是一个仍然非常活跃的研究领域,应该会让学术研究人员也有常读常新的感受。”[7]

     

    3. 机器学习与数据挖掘(偏理论)

     

    总结:

    天下没有不劳而获的果实,望各位年轻的朋友,想学技术的朋友,在决心扎入技术道路的路上披荆斩棘,把书弄懂了,再去敲代码,把原理弄懂了,再去实践,将会带给你的人生,你的工作,你的未来一个美梦。

     

    展开全文
  • 我会经常分享一本书。我分享的书,你看完如果对你有帮助,值得你购买,请到官网购买正版书籍。...本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一些稍微复杂的机器学习算法,例如支持...
  • Python机器学习书籍源码仓库和相关信息
  • 半路出家,学习机器学习,参加了一系列大数据竞赛,取得了较为不错的成绩 想给有同样想法的人推荐一波自己的学习之路 1.python必看教程: Magnus Lie Hetland著,袁国忠译的 Python基础教程(第3版)链接(京东...
  • 微信公众号关键字全网搜索最新排名【机器学习算法】:排名第一【机器学习】:排名第一【Python】:排名第三【算法】:排名第四AI系列公开课,限时免费【强烈推荐】 AI 系列免费公开课......点击上面链接领取11.11...
  • Python机器学习中文版

    2018-03-16 13:16:10
    建议Ctrl+D保存到收藏夹,方便随时查看人工智能(AI)学习资料库Python机器学习简介第一章 让计算机从数据中学习将数据转化为知识三类机器学习算法第二章 训练机器学习分类算法透过人工神经元一窥早期机器学习历史...
  • 编者按:本书节选自图书Python机器学习实战》,Python本身带有许多机器学习的第三方库,但本书在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的...
  • 现在互联网行业新的宠儿无疑是大数据+机器学习了,但是很多人想入门这块领域却没有一些好的技术资料。今天给大家送福利了,清华大学出版社联合本号给大家送出5本《Python机器...
  • 内容介绍 在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索...用最火的 Python 语言、通过各种各样的机器学习算法来解决实际问题! 书中介绍的主要问题如下。 ...
  • Python机器学习路线图

    2018-05-25 00:38:06
    欢迎使 &lt;link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/htmledit_views-0a60691e80.css"&gt;...为了理解和应用机器学习技术,你需要学...
  • 本书结合了机器学习Python 语言两个热门的领域,通过利用两种核心的机器学习算法来将 Python 语言在数据分析方面的优势发挥到极致。 全书共有 10 章。第 1 章讲解了 Python 机器学习的生态系统,剩余 9 章介绍了...
  • 本书是机器学习入门书,以Python语言介绍。主要内容包括:机器学习的基本概念及其应用;实践中最常用的机器学习算法以及这些算法的优缺点;在机器学习中待处理数据的呈现方式的重要性,以及应重点关注数据的哪些方面...
  • Python机器学习介绍(Python Machine Learning 中文版)机器学习,如今最令人振奋的计算机领域之一。看看那些大公司,Google、Facebook、Apple、Amazon早已展开了一场关于机器学习的军备竞赛。从手机上的语音助手、...
  • 在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域,如搜索引擎、机器人...用最火的Python语言、通过各种各样的机器学习算法来解决实际问题! 书中介绍的主要问题如下。...
  • Python Machine Learning》有两版,中文译为《Python 机器学习》,机器学习与预测分析正在改变企业和其他组织的运作方式,本书将带领读者进入预测分析的世界。全书共16章,除了简要介绍机器学习Python机器学习...
1 2 3 4 5 ... 20
收藏数 25,423
精华内容 10,169