Python机器学习基础教程（Introduction to Machine Learning with Python）

=======================================================================
  
由于这是我的机器学习入门读物，鉴于当时什么都不懂，对这本书内容的评价会比较主观，有很大的个人倾向，可能书中讲的很到位，但是我理解的不是很好。但总归从这本书中我学到了许多知识，书还是不错的。
这是我正在读的第二本书：
机器学习实战基于scikit-learn和tensorflow
https://blog.csdn.net/az9996/article/details/89632142
可能是因为我读了这本书后，才对第二本书有很好的理解，第二本确实不错！

=======================================================================

---

书不厚
在GitHub上有Jupyter Notebook 格式的示例，学习过程中很方便可以对书中的示例进行实践。
https://github.com/amueller/introduction_to_ml_with_python/blob/master/01-introduction.ipynb

1、已经基本上看完了，中文版翻译的还可以，书中讲的东西非常的少，深度不够，广度也还行。很多算法、模型在原理部分仅提了一两个公式。
2、示例方面顶多能拿来作讲解是够用的，但是没有实用性。看过之后知道大概它是怎么一回事儿，但复杂一点的就无法从书中学习到。
3、特征工程部分讲的很笼统，无法获得足够的有效信息。
4、书中的知识体系建立的七零八落，每一块都是挑着讲，并且还不讲全。
5、有很多知识点讲的比较笼统，可能是和翻译的原因有关。
6、监督学习部分的一些算法、模型讲的不够透彻，比较浅显。
7、无监督学习部分每一个模型的篇幅不算多，只能说是简单的讲了讲。
可以用来作为入门的读物

修改：
时间：2019-05-02

这本书毕竟还是偏重于理论，可能是考虑到初学者，但是，讲的东西确实没什么深度，只是简单的提了几句，介绍一下这个模型在scikit-learn中的哪个模块实现，它有哪些可以调整的参数，但是，书中讲的真的不清楚哎！

像图中这样的结构在《Python机器学习基础教程》中可能无法了解到，在《机器学习实战基于scikit-learn和tensorflow》这本书中讲的很好。