机器学习|Python机器学习及实践--从零开始通往Kaggle竞赛之路，建议收藏

文章图片

文章图片

过去近二十年计算机科学的发展是被大量的数据推动的。海量数据提供了认识世界的新视角同时也带来了分析和理解数据的巨大挑战。如何从数据中获得知识并利用这些知识帮助设计和创造更满足用户需求的产品希望将来拥有新的人工智能算法。
大数据的核心思想体现在整个工业流程中从决策到执行数据的重要性其重要性的发挥依赖于现代计算方法——机器学习。
机器学习可以利用数据做很多决策这些在统计意义上都是好的决策比如要不要把这首歌推荐给那个用户。更惊奇的是当数据足够大计算能力足够强机器也可以学得比人更好。
人工智能的发展日新月异机器学习的应用如火如荼。在这个变革的时代大众特别需要一本既能帮助读者理解机器学习理论又能让人快速上手实践的入门级图书。
《 Python机器学习及实践》很契合实际，从零开始介绍简单的Python语法以及如何用Python语言来写机器学习的模型。每一个章节环环相扣，配合代码样例，非常适合希望了解机器学习领域的初学者，甚至没有编程基础的学生。
全书共分4章：

第1章简介篇介绍机器学习概念与Python编程知识;
第⒉章基础篇讲述如何使用Secikit-learn作为基础机器学习工具;
第3章进阶篇涉及怎样借助高级技术或者模型进一步提升既有机器学习系统的性能;
第4章竞赛篇，以Kaggle平台为对象帮助读者一步步使用本书介绍过的模型和技巧完成三项具有代表性的竞赛任务。

文档目录
第1章.简介篇本章介绍机器学习的基本理论和必要的编程准备。
1.1机器学习综述
1.2Python编程库
1.3Python环境配置
1.4Python编程基础
1.5章末小结

第2章.基础篇在本章我们将使用大量实例和数据着重介绍两类最为广泛使用的机器学习模型的使用方法﹑性能评价指标以及优缺点。
2.1监督学习经典模型
2.2无监督学习经典模型
2.3章末小结
【机器学习|Python机器学习及实践--从零开始通往Kaggle竞赛之路，建议收藏】
第3章.进阶篇这一节将向读者朋友传授一系列更加偏向于实战的模型使用技巧。
3.1模型实用技巧
3.2流行库/模型实践
3.3章末小结

第4章.竞赛篇本书的最后一个章节将带领读者正式进入机器学习的竞赛实战。
4.1Kaggle 平台简介
4.2Titanic罹难乘客预测
4.3 IMDB影评得分估计
4.4MNIST手写体数字图片识别
4.5章末小结

由于文章有限制，不再一一展示了，获取方式：私信回复“1”即可