![Python机器学习基础教程 - [德] 安德里亚斯·穆勒](https://static.book345.com/covers/s/9787115475619.jpg)
书籍介绍
这本书在读者口中反复出现的，不是它讲了多少算法，而是它教会人
作者简介
Andreas C. Müller
scikit-learn库维护者和核心贡献者。现任哥伦比亚大学数据科学研究院讲师，曾任纽约大学数据科学中心助理研究员、亚马逊公司计算机视觉应用的机器学习研究员。在波恩大学获得机器学习博士学位。
Sarah Guido
Mashable公司数据科学家，曾担任Bitly公司首席数据科学家。
精彩摘录
- "The most successful kinds of machine learning algorithms are those that automate decison-making processes by generalizing from know examples."
- "does not show the interaction of all of features at once, so some interesting aspects of the data may not be revealed when visualizing this way."
目录
用户评论
强推，需要一定的python和机器学习的基础，里面没有理论只有实际运用，内容哪里过时了？基于python3.5的机器学习书，这本书已经走在很前面了。
翻译的太差了, 稀里糊涂 说什么都不知道.中午都语法不通.还不如看 官方 文档
很经典
结构非常好，条理很清晰。python机器学习的书里面目前最喜欢这本。
机器学习的入门书，通过这本书可以对机器学习建立感性认识。如果只是学习机器学习的理论推导，无法深刻理解各种数据处理方法带来的效果，通过Scikit-Learn和这本书可以快速建立起这种理解。
不得不说18年的教材要比20年出的还好
监督，非监督，分类，聚类，回归，准备二刷吧
很适合我的一本书，读完受益匪浅
书名是Python基础教程自然用最基础入门的方式讲解了，入门太实用了，说过时和简单的是做机器学习的吗？看书都不看书名能做好吗？
整体内容比较浅显，主要是对sklearn的调包实现与一些算法的直观解释；内容上pipeline一章还算是有所启发。这本书比较适合从来没接触过机器学习的同学，应付应付通识性质的机器学习课程作业或许勉强足够。如果要继续深入，则还是有很长的路要走。
阅读时长不建议花太久，核心代码并不多，大部分代码以模型的可视化为主，有个sense即可。
下载
收藏