这本《Python机器学习算法》是一本非常适合初学者入门的读物，书中涵盖了机器学习的基础知识和常用算法，注重理论实践的结合让读者更好地理解算法的原理和应用，同时，书中也详细地介绍了如何使用Python语言实现算法，在实践中增强读者的算法实践能力，总体来说，这是一本非常优秀的机器学习入门读物。
书还可以，对机器学习的解释比较到位，速度也很快
这本书采用python3对决策树、集成学习、SVM和神经网络做了一个i详细的讲解和编程的实现。我觉得这本书比较好的一点在于对每一种算法都有了一个比较详细的解释
探索数据的内在价值，洞悉人工智能背后的技术！
内容简介
本书是一本机器学习入门读物，注重理论与实践的结合。全书主要包括6个部分，每个部分均以典型的机器学习算法为例，从算法原理出发，由浅入深，详细介绍算法的理论，并配合目前流行的Python语言，从零开始，实现每一个算法，以加强对机器学习算法理论的理解、增强实际的算法实践能力，最终达到熟练掌握每一个算法的目的。与其他机器学习类图书相比，《Python机器学习算法》同时包含算法理论的介绍和算法的实践，以理论支撑实践，同时，又将复杂、枯燥的理论用简单易懂的形式表达出来，促进对理论的理解。
目录
- 0绪论1
- 参考文献7
- 第一部分分类算法
- 1Logistic Regression10
- 参考文献26
- 2Softmax Regression27
- 参考文献39
- 3Factorization Machine40
- 参考文献57
- 4支持向量机58
- 参考文献88
- 5随机森林89
- 参考文献113
- 6BP神经网络114
- 参考文献136
- 第二部分回归算法
- 7线性回归138
- 参考文献154
- 8岭回归和Lasso回归155
- 参考文献171
- 9CART树回归172
- 参考文献187
- 第三部分聚类算法
- 10K-Means190
- 参考文献205
- 11Mean Shift206
- 参考文献221
- 12DBSCAN222
- 参考文献236
- 13Label Propagation237
- 参考文献248
- 第四部分推荐算法
- 14协同过滤算法250
- 参考文献264
- 15基于矩阵分解的推荐算法265
- 参考文献279
- 16基于图的推荐算法280
- 参考文献291
- 第五部分深度学习
- 17AutoEncoder294
- 参考文献308
- 18卷积神经网络309
- 参考文献321
- 第六部分项目实践
- 19微博精准推荐324
- 参考文献335
- 附录A336
- 附录B341
