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.
具體描述
讀後感
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。
評分但是是有前提的： 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。
評分但是是有前提的： 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。
評分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...
評分中文翻译（非官方） https://www.gitbook.com/book/ljalphabeta/python-/details ==========================================================================================================================================================
用戶評價
說實話這書沒有想象中的好，它的定位是cookbook，對於ML的原理是有些闡述的，但是講的不深，好多地方就是列齣一個公式，讓我這種數學渣看起來比較費勁，需要不斷的查各種資料，對於400多頁的書，也就能寫到這種程度瞭。 還有本書的typo是比較多的。 本書的例子還好，ML的各方麵都有涉及，對於入門是閤適的。 看完本書我覺得應該讀一些理論方麵的書，然後可以再速刷一遍，鍛煉動手能力。 最後兩章還沒讀完，Deep Learning不好懂啊！
评分看得真纍啊 但是覺得一本書能把事情說得這麼清楚很難得瞭
评分實用性上還是不錯的
评分讀的英文電子版，圖文並茂，代碼詳實，原理清晰，覆蓋麵適度，側重算法實現和應用，作為入門級學習教材還是非常不錯的，能初步瞭解原理，馬上上手實踐，為後續需要深入研究的讀者培養瞭學習的興趣，不至於被枯燥的算法嚇退。
评分這本書類似於tutorial，對理論隻有一點點涉及，但是python code，還有如何實現是非常詳細的。非常好。
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 qciss.net All Rights Reserved. 小哈圖書下載中心 版权所有