每周一本书之《Python大战机器学习：数据科学家的第一个小目标》

数据科学家可谓是当下炙手可热的职业，机器学习则是他们的必备技能。机器学习在大数据分析中居于核心地位，在互联网、金融保险、制造业、零售业、医疗等产业领域发挥了越来越大的作用且日益受到关注。

Python作为最好最热门的编程语言之一，以简单易学、应用广泛、类库强大而著称，是实现机器学习算法的首选语言。

本周，小编就为大家分享一本有关机器学习和Python的入门级图书《Python大战机器学习：数据科学家的第一个小目标》。本书以快速上手、四分理论六分实践为出发点，讲述了机器学习的算法和Python 编程实践，采用“原理笔记精华 + 算法Python 实现 + 问题实例 + 代码实战 + 运行调参”的形式展开，理论与实践结合，算法原理与编程实战并重。

本书从内容上大致分为四个部分：

第一篇：机器学习基础篇（第1~6 章）：

包括线性模型、决策树、贝叶斯分类、k近邻法、数据降维、聚类和 EM算法等内容。

这些基础算法非常经典，原理也相对简单，是入门的最佳选择，掌握这些算法，才能更好地理解后续的高级算法。非菜鸟可以直接忽略这部分。

第二篇：机器学习高级篇（第7~10 章）：

包括支持向量机、人工神经网络、半监督学习和集成学习等内容。

这些高级算法是目前应用非常广泛，也是效果不错的算法，需要深入理解算法的原理、优劣势等特点以及应用场景，要能达到应用自如的程度。

第三篇：机器学习工程篇（第11~12章）：

讲述机器学习工程中的实际技术，包括数据预处理，模型评估、选择与验证等内容。

数据清洗、数据预处理和模型评估选择在实际中非常重要，在整个工程项目的开发过程中通常占到一半以上的时间，这部分给出的一些步骤和方法是实践的精华，值得熟练掌握。

第四篇：Kaggle 实战篇（第13章）：

Step by step讲述了一个Kaggle竞赛题目的实战，有代码，有分析。

Kaggle是目前顶级的数据科学比赛平台，很多机器学习的牛人都在这里玩过，咱们可以学习牛人好的算法，也可以启发自己的思路。对于梦想成为牛人的您，还是去里面混混先：）万一拿了个好的名次呢，拿个一流公司的offer还是很easy的。

适读人群：

本书可供为高等院校计算机、金融、信息、自动化及相关理工科专业的本科生或研究生使用，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。

本书的代码全部开源，请自行下载 https://github.com/huaxz1986/git_book，也欢迎在这上面交流。