请推荐一本Python与机器学习的书籍？
《机器学习实战》主要介绍机器学习基础，以及如何利用演算法进行分类，并逐步介绍了多种经典的监督学习演算法，如k近邻演算法、朴素贝叶斯演算法、Logistic 回归演算法、支持向量机、AdaBoost 集成方法、基于树的回归演算法和分类回归树（CART）演算法等。第三部分则重点介绍无监督学习及其一些主要演算法：k均值聚类演算法、Apriori 演算法、FP-Growth 演算法。第四部分介绍了机器学习演算法的一些附属工具。本书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心演算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。
机器学习实战￥ 49.30起
2在学机器学习或者深度学习的时候，实战一直是一个重要的环节。《机器学习实战：基于Scikit-Learn和TensorFlow》本书作者 Aurélien Géron 曾经是谷歌工程师，在 2013 年至 2016 年，主导了YouTube的视频分类工程，拥有丰富的机器学习项目经验。作者的写作初衷是希望从实践出发，手把手地帮助开发者从零开始搭建起一个神经网路。这也正构成了本书区别于其他机器学习教程的最重要的特质—不再偏向于原理研究的角度，而是从开发者的实践角度出发，在动手写代码的过程中，循序渐进地了解机器学习的理论知识和工具的实践技巧。对于想要快速上手机器学习的开发者来说，本书是一个非常值得尝试的起点项目。
机器学习实战：基于Scikit-Learn和TensorFlow￥ 93.30起2
这里推荐几本比较好的书：周志华老师的《机器学习》、《机器学习实战》、Goodfellow大佬的《深度学习》、李航博士的《统计学习方法》、李沐博士等人的《动手学深度学习》等。
《机器学习》、《统计学习方法》、《深度学习》都偏理论一点，《机器学习实战》、《动手学深度学习》更偏实践一点，可以自己实现书中的代码；《动手学深度学习》是国内外很多大学相关课程的教材，同时配有网站，目前有mxnet、pytorch、tensorflow版本的实现，具有比较好的实践性。
如果西瓜书《机器学习》不太看得懂的话，这里推荐 @Datawhale 开源的南瓜书，其对一些难以理解的公式进行解读，目前在github上有超过1.1w的star，地址如下：Datawhale 南瓜书。
深度学习京东￥ 112.60去购买?
统计学习方法（第2版）￥ 69.60起2
机器学习实战京东￥ 146.00去购买?
机器学习京东￥ 61.60去购买?
动手学深度学习￥ 42.50起2
如果对计算机视觉有兴趣，可以参考下面一些回答：
为什么现在不看好 CV 方向了呢??www.zhihu.com
在计算机视觉方向如何快速提升自己??www.zhihu.com
推荐你一个公众号吧，机器学习演算法与Python学习，小编觉得这个公众号内容很丰富而且也有很多干货，不用把它当做系统学习的工具，但当你闲下来的时候可以多多了解这方面的知识。
推荐两本吧。因为第二本实在感觉很好，不推荐有点可惜。
第一本：《Python机器学习 预测分析核心演算法》
本书通过集中介绍两类可以进行有效预测的机器学习演算法，展示了如何使用Python 编程语言完成机器学习任务，从而降低机器学习难度，使机器学习能够被更广泛的人群掌握。
作者利用多年的机器学习经验带领读者设计、构建并实现自己的机器学习方案。本书尽可能地用简单的术语来介绍演算法，避免复杂的数学推导，同时提供了示例代码帮助读者迅速上手。读者会很快深入了解模型构建背后的原理，不论简单问题还是复杂问题，读者都可以学会如何找到问题的解决演算法。书中详细的示例，给出了具体的可修改的代码，展示了机器学习机理，涵盖了线性回归和集成方法，帮助理解使用机器学习方法的基本流程。
本书为不具备数学或统计背景的读者量身打造，详细介绍了如何：
● 针对任务选择合适演算法； ● 对不同目的应用训练好的模型；
● 学习数据处理机制，准备数据； ● 评估模型性能以保证应用效果；
● 掌握Python 机器学习核心演算法包； ● 使用示例代码设计和构建你自己的模型；
● 构建实用的多功能预测模型。
第二本推荐：机器学习精讲 全彩印刷，这本书的代码都是基于Python语言的，所以做推荐。
人工智慧的核心是机器学习。《机器学习精讲》囊括机器学习的精髓，系统而精炼地讲解机器学习的基本原理。本书英文版一经推出，就长期位于美国***机器学习图书排行榜领先位置，并获得4.5星好评。
《机器学习精讲》包含了监督和非监督学习、支持向量机、神经网路、集成演算法、梯度下降、聚类分类、降维、自编码器、迁移学习、特征工程以及超参数调试等方面的知识。书中既有数学公式，又有图解说明，一应俱全。
本书具有以下特色:
● 精简并直入主题——篇幅短小，读者可以快速读完并掌握机器学习技术的精髓。书中内容是作者和其他从业者多年研究的成果。
● 配套网页——本书配有持续更新的网页，对书中内容进行补充，包括问答、代码、推荐阅读材料、工具以及其他相关内容。扫描书中二维码即可查看。
● 全彩印刷——色彩丰富，阅读轻松。
● 代码基于Python语言。
哥伦比亚大学《python机器学习》紫书。该书作者是scikit-learn库的主要贡献者。
配套课程：哥伦比亚大学 应用机器学习。 2020年课程link：
哥大2020应用机器学习?www.cs.columbia.eduPS：不推荐《机器学习实战》，代码晦涩难懂。
推荐阅读：
