工欲善其事，必先利其器！今天給大家推薦一本不錯的 Python 機器學習教程，言簡意赅，通俗易懂！就是這本《Python Machine Learning》(2nd)，中文譯為《Python 機器學習》（第二版）。
本書作者
該書的作者 Sebastian Raschka 有多年的 Python 編碼經驗，他還舉辦了幾次關于資料科學、機器學習和深度學習的實踐應用的研讨會，包括在 Scipy 的機器學習教程。他是威斯康星-麥迪遜大學統計學助理教授，專注于深度學習和機器學習研究。
内容簡介
這本書本身知名度很高，書籍品質也很高，簡單來說就是簡易、實用、不枯燥。本書使用了 Scikit-Learn 和 TensorFlow，分别講解機器學習和深度學習，并每章配備實操代碼。還有一點是講解了如何将機器學習模型釋出到 Web 應用。整個知識體系相對更加完善，是一本比較全面的機器學習書籍。
值得一提的是第二版在第一版的基礎上增加了不少新的内容，完整的書籍目錄如下：
- 1. Giving Computers the Ability to Learn from Data
- 2. Training Machine Learning Algorithms for Classification
- 3. A Tour of Machine Learning Classifiers Using Scikit-Learn
- 4. Building Good Training Sets – Data Pre-Processing
- 5. Compressing Data via Dimensionality Reduction
- 6. Learning Best Practices for Model Evaluation and Hyperparameter Optimization
- 7. Combining Different Models for Ensemble Learning
- 8. Applying Machine Learning to Sentiment Analysis
- 9. Embedding a Machine Learning Model into a Web Application
- 10. Predicting Continuous Target Variables with Regression Analysis
- 11. Working with Unlabeled Data – Clustering Analysis
- 12. Implementing a Multi-layer Artificial Neural Network from Scratch
- 13. Parallelizing Neural Network Training with TensorFlow
- 14. Going Deeper: The Mechanics of TensorFlow
- 15. Classifying Images with Deep Convolutional Neural Networks
- 16. Modeling Sequential Data Using Recurrent Neural Networks
随書代碼
值得高興的是，作者 Sebastian Raschka 開源了《Python 機器學習》第二版的所有章節中的 Python 代碼，放在了 GitHub 倉庫中。
源碼位址：
https://github.com/rasbt/python-machine-learning-book-2nd-edition 目前，該 GitHub 項目已經獲得 4000+ 的 star 了，熱度很高。
整個 16 章中的 Python 代碼是以 .ipynb 檔案格式給出，我們可以很友善地使用 Jupyter Notebook 來檢視和運作相應的代碼，非常友善。
書籍下載下傳
為了友善大家閱讀，小編整理了該書的第一版和第二版 pdf 檔案，擷取位址如下：
連結：
https://pan.baidu.com/s/1w-RDD7dkGaUJm3L9vFhnrQ提取碼：9e4u
趕緊下載下傳學習吧！