资料 | Python 机器学习基础教程

本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；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；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章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。
                         
                         

本书的结构大致如下。

 •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 章介绍模型评估和调参的高级方法，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。

Andreas C. Müller

scikit-learn库维护者和核心贡献者。现任哥伦比亚大学数据科学研究院讲师，曾任纽约大学数据科学中心助理研究员、亚马逊公司计算机视觉应用的机器学习研究员。在波恩大学获得机器学习博士学位。

Sarah Guido

Mashable公司数据科学家，曾担任Bitly公司首席数据科学家。