《Python机器学习》是一本非常优秀的书籍，它以Python作为编程语言，循序渐进地介绍了机器学习的相关概念和算法。作者Sebastian Raschka在书中清晰地阐述了机器学习的基本原理，并提供了丰富的代码示例和实践案例，帮助读者理解和掌握各种机器学习算法。书中包含了机器学习算法、模型评估、集成学习、web应用、神经网络等多个主题，涵盖了机器学习的核心内容。对于想要学习机器学习的读者来说，这本书是一个非常好的选择，可以帮助他们快速入门并掌握Python机器学习的技能。
内容上来说，对于各种方法原理上解释的通俗易懂，比较喜欢。方法实现都是基于sklearn包，非常实用。涉及的方法有限，作为入门非常合适。
挺系统的介绍了机器学习的知识，有一定的实用性
书本看完之后对使用sklearn有很大得帮助，但是书本里面的公式和原理讲解有些翻译错误
内容介绍
机器学习与预测分析正在改变企业和其他组织的运作方式，本书将带领读者进入预测分析的世界。全书共13章，除了简要介绍机器学习及Python在机器学习中的应用，还系统讲述了数据分类、数据预处理、模型优化、集成学习、回归、聚类、神经网络、深度学习等内容。本书将机器学习背后的基本理论与应用实践联系起来，通过这种方式让读者聚焦于如何正确地提出问题、解决问题。本书讲解了如何使用Python的核心元素以及强大的机器学习库，同时还展示了如何正确使用一系列统计模型。本书可作为学习数据科学的初学者及想进一步拓展数据科学领域认识的读者的参考书。同样，本书也适合计算机等相关专业的本科生、研究生阅读。
目录
- 译者序
- 推荐序
- 作者简介
- 审校者简介
- 前言
- 第1章 赋予计算机学习数据的能力1
- 本章小结9
- 第2章 机器学习分类算法10
- 本章小结29
- 第3章 使用scikit-learn实现机器学习分类算法30
- 使用scikit-learn训练感知器31
- 本章小结57
- 第4章 数据预处理—构建好的训练数据集58
- 本章小结76
- 第5章 通过降维压缩数据77
- 本章小结103
- 第6章 模型评估与参数调优实战104
- 本章小结121
- 第7章 集成学习—组合不同的模型122
- 本章小结143
- 第8章 使用机器学习进行情感分析144
- 本章小结155
- 第9章 在Web应用中嵌入机器学习模型156
- 本章小结172
- 第10章 使用回归分析预测连续型目标变量173
- 本章小结193
- 第11章 聚类分析——处理无类标数据194
- 本章小结212
- 第12章 使用人工神经网络识别图像213
- 本章小结240
- 第13章 使用Theano并行训练神经网络241
- 本章小结258
