书籍介绍
机器学习是近年来渐趋热门的一个领域，同时Python 语言经过一段时间的发展也已逐渐成为主流的编程语言之一。本书结合了机器学习和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 章介绍了众多与机器学习相关的算法，包括各类分类算法、数据可视化技术、推荐引擎等，主要包括机器学习在公寓、机票、IPO 市场、新闻源、内容推广、股票市场、图像、聊天机器人和推荐引擎等方面的应用。
本书适合Python 程序员、数据分析人员、对算法感兴趣的读者、机器学习领域的从业人员及科研人员阅读。
目录
用户评论
快速的看了一下，也没细看代码，pandas处理数据部分，不跟着实践也没影响，其他的用scikit-learn等库的中规中矩，ML算法一笔带过很浅，例子大多是国外的原本就带着疏离感。个人感觉比不上另外一些书和资源，也就一般吧
例子没有本地化是最大的败笔，不过可以借鉴一些思路和做法
内容都很老了 数据集找不到 根本没法学习 机器学习实践最基础的东西就是数据集 没有数据集很难受 有的章节给出了获取的数据的网站和方法 但是网站改版了很多 也获取不到跟作者相同的数据集 所以换一本书吧 浪费了我好几天的实践 5555555
例子有点不符合中国国情。最后那个聊天机器人很有意思，脑洞大开！
可以的
现在是个人都可以做翻译了吗 数据集里行列都给你翻译完了我怎么看代码啊？
1、一共十章，每章一个案例，实用性很强，但很多涉及到的网站不能能用了；
2、基于第一条，要想复现代码得先造数据（使用github上此书代码ipynb文件的out部分，可以造几十条~，聊胜于无）,链接：https://github.com/PacktPublishing/Python-Machine-Learning-Blueprints；
3、案例在国内有些水土不服，需要耐心看看；
4、看完本书最大价值就是代码里的一些实用技巧；
5、期待有强者写一个国内相关+时效性强的类似书籍。
适合入门，通过实例逐一讲解，挺不错的。可惜有些网站国内不便使用。
与金融实例结合
内容太老，跟着书上的方法找不到数据，很多数据都是自己去别的地方东平西凑弄来的。
例子浅显易懂，很适合初学者。
Z-Library
收藏