Python Machine Learning

出版者:Packt Publishing - ebooks Account

作者:Sebastian Raschka

页数:454

出版时间:2015-9

价格:USD 44.99

装帧:Paperback

isbn号码:9781783555130

图书标签:机器学习PythonMachineLearning计算机python数据分析ML数据挖掘

About This Book

Leverage Python' s most powerful open-source libraries for deep learning, data wrangling, and data visualization

Learn effective strategies and best practices to improve and optimize machine learning systems and algorithms

Ask – and answer – tough questions of your data with robust statistical models, built for a range of datasets

Who This Book Is For

If you want to find out how to use Python to start answering critical questions of your data, pick up Python Machine Learning – whether you want to get started from scratch or want to extend your data science knowledge, this is an essential and unmissable resource.

What You Will Learn

Explore how to use different machine learning models to ask different questions of your data

Learn how to build neural networks using Keras and Theano

Find out how to write clean and elegant Python code that will optimize the strength of your algorithms

Discover how to embed your machine learning model in a web application for increased accessibility

Predict continuous target outcomes using regression analysis

Uncover hidden patterns and structures in data with clustering

Organize data using effective pre-processing techniques

Get to grips with sentiment analysis to delve deeper into textual and social media data

Style and approach

Python Machine Learning connects the fundamental theoretical principles behind machine learning to their practical application in a way that focuses you on asking and answering the right questions. It walks you through the key elements of Python and its powerful machine learning libraries, while demonstrating how to get to grips with a range of statistical models.

读后感

充其量不过是几个常用python ML包（scikit NumPy SciPy matplotlib pandas）的 cookbook 罢了。 基本上每节的流程就是先告诉你一个ML概念大概是怎么回事，真的很大概，不过好处是至少会告诉你为什么要这么做。然后用一段示例代码告诉你这个东西在Python ML包里要调用哪几个接口...  

充其量不过是几个常用python ML包（scikit NumPy SciPy matplotlib pandas）的 cookbook 罢了。 基本上每节的流程就是先告诉你一个ML概念大概是怎么回事，真的很大概，不过好处是至少会告诉你为什么要这么做。然后用一段示例代码告诉你这个东西在Python ML包里要调用哪几个接口...  

充其量不过是几个常用python ML包（scikit NumPy SciPy matplotlib pandas）的 cookbook 罢了。 基本上每节的流程就是先告诉你一个ML概念大概是怎么回事，真的很大概，不过好处是至少会告诉你为什么要这么做。然后用一段示例代码告诉你这个东西在Python ML包里要调用哪几个接口...  

充其量不过是几个常用python ML包（scikit NumPy SciPy matplotlib pandas）的 cookbook 罢了。 基本上每节的流程就是先告诉你一个ML概念大概是怎么回事，真的很大概，不过好处是至少会告诉你为什么要这么做。然后用一段示例代码告诉你这个东西在Python ML包里要调用哪几个接口...  

但是是有前提的： 1. 基础的线性代数知识需要大家温故知新一下； 2. 对于python中的numpy和pandas的一些基本操作需要熟悉； 3. 抽象能力，最好能把代数方程在大脑里映射出一个几何图形（最多三维）； 只要有了以上的前提，读这本书还是挺靠谱的。

用户评价

这本书类似于tutorial，对理论只有一点点涉及，但是python code，还有如何实现是非常详细的。非常好。

最好的一点是书中所用的scikit library是公开的，可以边看边操作。作为一本cookbook，基本没有深究技术理论，对于新手来说十分容易入口。出版于2013年，书中某些code在py2.7里已经不适用(另少量typo)，建议cross reference官方manual。

按照上面的做 可以学到很多python2和python3的不兼容点 这个是最后使用pyTorch的 不是tensorflow 按照自己的需求下

还行吧，入门看看够了

很不错的cookbook