mycoffee1990的博客

专门讲python机器学习库sklearn的，适合初学者。 在这本书里，我们将看到一些机器学习的模型和算法。我们会介绍一些常用的机器学习任务和模型的 效果评估方法。而这些模型和算法都是通过十分流行的Python机器学习库scikit-learn来完成，里面有 许多机器学习的模型和算法，每个API都简单易用。 本书特点主要有： 内容通俗易懂。本书只需要基本的编程和数学知识 案例实用。本书的案例都很容易上手，读者可以调整后解决自己的问题。

豆瓣评分9.5的好书，斯坦福大学课程用书，有需要的大神们拿去看看吧

本书适合有志于从事数据挖掘的初学者，需要的朋友可看看 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析（EDA） .11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(Esemble Learning)43 第十一章 模型评估46 第四部分 非监督学习---聚类与关联分析50 第十二章 Kmeans 聚类分析 .50 第十三章 关联分析 Apriori.52 第十四章 数据预处理之数据降维54 第五部分 Python 数据预处理 .57 第十五章 Python 数据分析基础 .57 第十六章 Python 进行数据清洗 .77 第六部分 数据结构与算法82 第七部分 SQL 知识.86 第八部分 数据挖掘案例分析87 案例一 A Journey through Titanic 597c770e .87 案例二 Analysis for airplane-crashes-since-190894 案例三 贷款预测问题98 案例四 KNN 算法实现葡萄酒价格模型预测及交叉验证107

这是一本用于学习基本数据挖掘知识的书籍。大部分关于数据挖掘的书籍都着重于讲解理论知识，难以理解，让人望而却步。不要误会，这些理论知识还是非常重要的。但如果你是一 名程序员，想对数据挖掘做一些了解，一定会需要一本面向初学者的入门书籍。这就是撰写本书的初衷。 这本指南采用“边学边做”的方式编写，因此在阅读本书时，我强烈建议您动手实践每一章结束提供的练习题和实验题，使用书中的Python脚本将其运行起来。书中有一系列展示数据挖掘技术的实例，因此在阅读完本书后，你就能掌握这些技术了。