人工智能python实战代码_资源 | 《机器学习实战》及代码（基于Python3）

〇、《机器学习实战》

今天推荐给大家的是《机器学习实战》这本书。

机器学习作为人工智能研究领域中一个极其重要的研究方向(一文章看懂人工智能、机器学习和深度学习)，在当下极其热门，甚至可以说在大数据时代的背景下，成为各行业求生存、谋发展的决定性手段。

而《机器学习实战》这本书可以说是除了西瓜书《机器学习》之外的有一本经典入门书籍，不像西瓜书只有成堆的公式和理论，它几乎对于每一个重要的算法都有相应的代码可供学习，是一本非常值得的书籍！！！

该书的豆瓣评分是8.1分，是一本公认的高质量书籍！

书的内容：第一部分主要介绍机器学习基础，以及如何利用算法进行分类；

第二部分开始逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。

第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。

第四部分介绍了机器学习算法的一些附属工具。

一、目录

具体目录如下：第1章 - 机器学习基础

第2章 - k-近邻算法

第3章 - 决策树

第4章 - 基于概率论的分类方法：朴素贝叶斯

第5章 - Logistic 回归

第6章 - 支持向量机

第7章 - 利用AdaBoost 元算法提高分类性能

第8章 - 预测数值型数据：回归

第9章 - 树回归

第10章 - 利用K-均值聚类算法对未标注数据分组

第11章 - 使用Apriori 算法进行关联分析

第12章 - 使用FP-growth 算法来高效发现频繁项集

第13章 - 利用PCA 来简化数据

第14章 - 利用SVD 简化数据

第15章 - 大数据与MapReduce

全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

中英两个版本的电子书和书中前十章的Python3写的详细代码已经在这个GitHub项目下开源了，欢迎fork！！！同时项目中还有数据集和源代码，可以直接直接运行！！！

GitHub地址：《机器学习实战》及代码(基于Python3)​github.com

如果想要看视频进行学习的话，推荐一个开源组织发布的视频(apachecn打钱！)！编码能力强 - 建议看《机器学习实战-教学版》

编码能力弱 - 建议看《机器学习实战-讨论版》

B站地址：哔哩哔哩apachecn​space.bilibili.com

二、后记

如果想要更多的资源，欢迎关注 @tefuirnever，文字强迫症MAX。

资源推荐：tefuirnever：吐血整理深度学习入门路线及导航【教学视频+大神博客+书籍整理】+【资源页】​zhuanlan.zhihu.com

想看更多文(段)章(子)，欢迎关注微信公众号「程序员管小亮」~