《機器學習實戰》主要介紹機器學習基礎,以及如何利用演算法進行分類,並逐步介紹了多種經典的監督學習演算法,如k近鄰演算法、樸素貝葉斯演算法、Logistic 回歸演算法、支持向量機、AdaBoost 集成方法、基於樹的回歸演算法和分類回歸樹(CART)演算法等。第三部分則重點介紹無監督學習及其一些主要演算法:k均值聚類演算法、Apriori 演算法、FP-Growth 演算法。第四部分介紹了機器學習演算法的一些附屬工具。本書通過精心編排的實例,切入日常工作任務,摒棄學術化語言,利用高效的可復用Python代碼來闡釋如何處理統計數據,進行數據分析及可視化。通過各種實例,讀者可從中學會機器學習的核心演算法,並能將其運用於一些策略性任務中,如分類、預測、推薦。另外,還可用它們來實現一些更高級的功能,如匯總和簡化等。

機器學習實戰¥ 49.30起2

在學機器學習或者深度學習的時候,實戰一直是一個重要的環節。《機器學習實戰:基於Scikit-Learn和TensorFlow》本書作者 Aurélien Géron 曾經是谷歌工程師,在 2013 年至 2016 年,主導了YouTube的視頻分類工程,擁有豐富的機器學習項目經驗。作者的寫作初衷是希望從實踐出發,手把手地幫助開發者從零開始搭建起一個神經網路。這也正構成了本書區別於其他機器學習教程的最重要的特質—不再偏向於原理研究的角度,而是從開發者的實踐角度出發,在動手寫代碼的過程中,循序漸進地了解機器學習的理論知識和工具的實踐技巧。對於想要快速上手機器學習的開發者來說,本書是一個非常值得嘗試的起點項目。

機器學習實戰:基於Scikit-Learn和TensorFlow¥ 93.30起2


這裡推薦幾本比較好的書:周志華老師的《機器學習》、《機器學習實戰》、Goodfellow大佬的《深度學習》、李航博士的《統計學習方法》、李沐博士等人的《動手學深度學習》等。

《機器學習》、《統計學習方法》、《深度學習》都偏理論一點,《機器學習實戰》、《動手學深度學習》更偏實踐一點,可以自己實現書中的代碼;《動手學深度學習》是國內外很多大學相關課程的教材,同時配有網站,目前有mxnet、pytorch、tensorflow版本的實現,具有比較好的實踐性。

如果西瓜書《機器學習》不太看得懂的話,這裡推薦 @Datawhale 開源的南瓜書,其對一些難以理解的公式進行解讀,目前在github上有超過1.1w的star,地址如下:Datawhale 南瓜書。

深度學習京東¥ 112.60去購買?

統計學習方法(第2版)¥ 69.60起2

機器學習實戰京東¥ 146.00去購買?

機器學習京東¥ 61.60去購買?

動手學深度學習¥ 42.50起2

如果對計算機視覺有興趣,可以參考下面一些回答:

為什麼現在不看好 CV 方向了呢??

www.zhihu.com圖標在計算機視覺方向如何快速提升自己??

www.zhihu.com圖標

推薦你一個公眾號吧,機器學習演算法與Python學習,小編覺得這個公眾號內容很豐富而且也有很多乾貨,不用把它當做系統學習的工具,但當你閑下來的時候可以多多了解這方面的知識。


推薦兩本吧。因為第二本實在感覺很好,不推薦有點可惜。

第一本:《Python機器學習 預測分析核心演算法》

本書通過集中介紹兩類可以進行有效預測的機器學習演算法,展示了如何使用Python 編程語言完成機器學習任務,從而降低機器學習難度,使機器學習能夠被更廣泛的人群掌握。

  作者利用多年的機器學習經驗帶領讀者設計、構建並實現自己的機器學習方案。本書儘可能地用簡單的術語來介紹演算法,避免複雜的數學推導,同時提供了示例代碼幫助讀者迅速上手。讀者會很快深入了解模型構建背後的原理,不論簡單問題還是複雜問題,讀者都可以學會如何找到問題的解決演算法。書中詳細的示例,給出了具體的可修改的代碼,展示了機器學習機理,涵蓋了線性回歸和集成方法,幫助理解使用機器學習方法的基本流程。

  本書為不具備數學或統計背景的讀者量身打造,詳細介紹了如何:

  ● 針對任務選擇合適演算法; ● 對不同目的應用訓練好的模型;

  ● 學習數據處理機制,準備數據; ● 評估模型性能以保證應用效果;

  ● 掌握Python 機器學習核心演算法包; ● 使用示例代碼設計和構建你自己的模型;

  ● 構建實用的多功能預測模型。

第二本推薦:機器學習精講 全彩印刷,這本書的代碼都是基於Python語言的,所以做推薦。

人工智慧的核心是機器學習。《機器學習精講》囊括機器學習的精髓,系統而精鍊地講解機器學習的基本原理。本書英文版一經推出,就長期位於美國***機器學習圖書排行榜領先位置,並獲得4.5星好評。

《機器學習精講》包含了監督和非監督學習、支持向量機、神經網路、集成演算法、梯度下降、聚類分類、降維、自編碼器、遷移學習、特徵工程以及超參數調試等方面的知識。書中既有數學公式,又有圖解說明,一應俱全。

本書具有以下特色:

● 精簡併直入主題——篇幅短小,讀者可以快速讀完並掌握機器學習技術的精髓。書中內容是作者和其他從業者多年研究的成果。

● 配套網頁——本書配有持續更新的網頁,對書中內容進行補充,包括問答、代碼、推薦閱讀材料、工具以及其他相關內容。掃描書中二維碼即可查看。

● 全彩印刷——色彩豐富,閱讀輕鬆。

● 代碼基於Python語言。


哥倫比亞大學《python機器學習》紫書。該書作者是scikit-learn庫的主要貢獻者。

配套課程:哥倫比亞大學 應用機器學習。 2020年課程link:

哥大2020應用機器學習?

www.cs.columbia.edu

PS:不推薦《機器學習實戰》,代碼晦澀難懂。


推薦閱讀:
相关文章