《Introduction to Machine Learning with Python》

目标读者

本书为机器学习的爱好者或从业者准备的，为他们在现实生活中的机器学习问题寻找到解决方案。本书主要使用Python和scikit-learn库，一步一步构建一个有效的机器学习应用。如果你对Numpy和matplotlib库有所了解的话，将能够更好地掌握本书的内容。
数学是机器学习算法的基石，本书的重点将机器学习算法的实践作，而不会详细分析算法的细节。如果你对机器学习算法的数学部分感兴趣，可以阅读《统计学习基础》。

写作本书的原因

能够完全涵盖在实践中实现实现机器学习算法的所有重要内容，而不需要先修高等数学课程，这样的学习资源少之又少。对于那些想要使用机器学习算法而不想花费大量时间研读微积分、线性代数和概率论的人来说，本书是能够提供帮助的。

本书概览

第1章 介绍机器学习的基本概念及其应用，并给出本书会用到的基本设置。
第2章和第3章介绍实践中最常用的机器学习算法，并讨论这些算法的优缺点。
第4章介绍在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面。
第5章 介绍模型评估和高参的高级方法，重点讲解交叉验证和网格搜索。
第6章 解释管道的概念，管道用于串联多个模型并封装工作流。
第7章 介绍如何将前面各章讲述的方法应用到文本数据上，还介绍了一些文本特有的处理方法
第8章 对全书进行总结，还介绍了有关更高级主题的参考资料。

在线资源

scikit-learn官方网站：http://scikit-learn.org, 还可以在http://shop.oreilly.com/product/0636920043836.do 观看视频课程。

排版约定

略

代码示例

本书代码示例可在 https://github.com/amueller/introduction_to_ml_with_python 下载。