Python机器学习(原书第2版) 高清pdf原版+随书源码[198MB]

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，Python机器学习(原书第2版)将带领读者进入预测分析的世界。全书共16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

第1章　赋予计算机从数据中学习的能力
第2章　训练简单的机器学习分类算法
第3章　scikit-learn机器学习分类器一览
第4章　构建良好的训练集——预处理
第5章　通过降维压缩数据
第6章　模型评估和超参数调优的最佳实践
第7章　综合不同模型的组合学习
第8章　应用机器学习于情感分析
第9章　将机器学习模型嵌入网络应用
第10章　用回归分析预测连续目标变量
第11章　用聚类分析处理无标签数据
第12章　从零开始实现多层人工神经网络
第13章　用TensorFlow并行训练神经网络
第14章　深入探讨TensorFlow的工作原理
第15章　深度卷积神经网络图像识别
第16章　用递归神经网络为序列数据建模