Python 机器学习(第二版)代码仓库
请注意,新版本(第三版)已于2019年12月推出。第三版的代码仓库链接为 https://github.com/rasbt/python-machine-learning-book-3rd-edition。
Python 机器学习,第二版
出版日期:2017年9月20日
平装:622页 出版社:Packt Publishing 语言:英语
ISBN-10: 1787125939 ISBN-13: 978-1787125933 Kindle ASIN: B0742K7HYF
链接
目录和代码笔记本
有用的安装和设置说明可以在第1章的README.md文件中找到
要访问某一章节的代码材料,只需点击章节标题旁边的"open dir"链接,即可导航到位于code/子目录中的章节子目录。你也可以点击下面的"ipynb"链接,直接在GitHub上打开和查看每个章节的Jupyter笔记本。
此外,code/子目录还包含从Jupyter笔记本创建的.py脚本文件。但是,如果你的计算环境允许,我强烈建议使用Jupyter笔记本。Jupyter笔记本不仅包含图像和章节标题,便于导航,而且还允许逐步执行单个代码片段,这在我看来可以提供更好的学习体验。
请注意,这些只是随书附带的代码示例,我上传它们是为了方便你;请注意,如果没有公式和描述性文本,这些笔记本可能没有用处。
- 机器学习 - 赋予计算机从数据中学习的能力 [打开目录] [ipynb]
- 训练机器学习算法进行分类 [打开目录] [ipynb]
- 使用Scikit-Learn进行机器学习分类器之旅 [打开目录] [ipynb]
- 构建良好的训练集 – 数据预处理 [打开目录] [ipynb]
- 通过降维压缩数据 [打开目录] [ipynb]
- 学习模型评估和超参数优化的最佳实践 [打开目录] [ipynb]
- 结合不同模型进行集成学习 [打开目录] [ipynb]
- 将机器学习应用于情感分析 [打开目录] [ipynb]
- 将机器学习模型嵌入到Web应用程序中 [打开目录] [ipynb]
- 使用回归分析预测连续目标变量 [打开目录] [ipynb]
- 处理未标记数据 – 聚类分析 [打开目录] [ipynb]
- 从头实现多层人工神经网络 [打开目录] [ipynb]
- 使用TensorFlow并行化神经网络训练 [打开目录] [ipynb]
- 深入研究:TensorFlow的工作原理 [打开目录] [ipynb]
- 使用深度卷积神经网络对图像进行分类 [打开目录] [ipynb]
- 使用循环神经网络建模序列数据 [打开目录] [ipynb]
第二版相比第一版有哪些新内容?
哦,我们改进或增加了很多内容;我该从哪里开始呢?我优先考虑的一个问题是修正在排版阶段或我的疏忽中引入的所有讨厌的拼写错误。我真的很感谢读者在这方面提供的所有有用反馈!此外,我还处理了所有关于可能令人困惑或不太清楚的章节的反馈,重新措辞了段落,并添加了额外的解释。此外,特别感谢第二版的优秀编辑,他们在这个过程中提供了很大帮助!
此外,图形和图表变得更加漂亮。虽然读者很喜欢图形内容,但有些人批评了PowerPoint风格的布局。因此,我决定对每个小图进行全面改造,希望能选择更令人愉悦的字体和颜色。此外,由于matplotlib团队在matplotlib 2.0及其新样式主题上投入了大量工作,数据图现在看起来更加漂亮。
除了这些表面上的修复之外,这里和那里还添加了新的章节。其中包括一个处理不平衡数据集的章节,这是几位读者在第一版中缺少的内容,以及一个简短的潜在狄利克雷分配章节等。
随着时间的推移和软件世界在2015年9月第一版发布后的发展,我们决定替换通过Theano进行深度学习的介绍。别担心,我们没有删除它,但它进行了重大改造,现在基于TensorFlow,自从2015年11月谷歌开源发布以来,它已成为我研究工具箱中的主要工具。
随着使用TensorFlow进行深度学习的新介绍,这个新版本最大的增加是三个全新的章节,专注于深度学习应用:对TensorFlow机制的更详细概述、使用卷积神经网络进行图像分类的介绍,以及使用循环神经网络进行自然语言处理的介绍。当然,与本书其他部分类似,这些新章节不仅为读者提供实践指导和示例,还介绍了这些概念背后的基本数学知识,这是理解深度学习如何工作的基本构建块。
[ 摘自"机器学习几乎可以在每个问题领域都有用:"对Sebastian Raschka的采访 ]
Raschka, Sebastian, 和 Vahid Mirjalili. Python机器学习,第二版. Packt Publishing, 2017.
@book{RaschkaMirjalili2017,
address = {Birmingham, UK},
author = {Raschka, Sebastian and Mirjalili, Vahid},
edition = {2},
isbn = {978-1787125933},
keywords = {聚类,数据科学,深度学习,
机器学习,神经网络,编程,
监督学习},
publisher = {Packt Publishing},
title = {{Python机器学习,第二版}},
year = {2017}
}
翻译版本
德语
- ISBN-10: 3958457339
- ISBN-13: 978-3958457331
- Amazon.de链接
- 出版社链接
日语
- ISBN-10: 4295003379
- ISBN-13: 978-4295003373
- Amazon.co.jp链接