《Python与机器学习实战》是一本很实用的书籍，它将集成学习、神经网络、决策树等重要的机器学习算法与Python编程结合在一起。通过使用Numpy这个基础的科学计算库来实现算法代码，读者能够更好地理解机器学习算法的细节，并且了解Numpy的各种应用。这本书适用于想要了解传统机器学习算法的学生和从业者，它提供了丰富的示例和实践项目，帮助读者通过实际操作来掌握机器学习算法的实现方法。无论是初学者还是有一定基础的人，都可以从这本书中受益并提升自己的机器学习技能。
读者评价
详细介绍了机器学习的各种算法，很丰富很实用 还有对应的代码。
非常实用，代码在GitHub上很方便，书中内容简洁明了，容易上手，很适合初学者
最近在学机器学习。所以就买了，有代码啥的。可以学习一下。
内容介绍
Python与机器学习这一话题是如此的宽广，仅靠一本书自然不可能涵盖到方方面面，甚至即使出一个系列也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（Supervised Learning），无监督学习（Unsupervised Learning）和半监督学习（Semi-Supervised Learning）。而具体的问题又大致可以分两类：分类问题（Classification）和回归问题（Regression）。Python本身带有许多机器学习的第三方库，但《Python与机器学习实战》在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。不过作为补充，《Python与机器学习实战》会在适当的时候应用scikit-learn这个成熟的第三方库中的模型。《Python与机器学习实战》适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器的算法的程序员，以及想了解机器学习的算法能如何进行应用的职员、经理等。
目录
- 第1章Python与机器学习入门1
- 第2章贝叶斯分类器18
- 第3章决策树60
- 第4章集成学习114
- 第5章支持向量机144
- 第6章神经网络188
- 第7章卷积神经网络241
- 附录APython入门290
- 附录BNumpy入门303
- 附录CTensorFlow入门310
机器学习（Machine Learning）是人工智能的分支，专门研究计算机怎样模拟或实现人类的学习行为，机器学习是运用算法来分析数据、从中学习、测定或预测现实世界的某些事务，赋予它如何执行任务的能力。数据是载体，智能是目标，而机器学习是从数据通往智能的技术途径。例如，基于历史数据，监督分类算法就被用来分类潜在客户或贷款意向。 通俗的说，机器学习就是从数据中挖掘出有价值的信息。数据本身是无意识的，为了自动呈现出有价值的信息。首先要给数据一个抽象的表示，接着基于表示进行建模，然后估计模型参数，也就是计算。此外，还需要设计有效的算法应对不同的任务。 根据不同的任务，应用的算法也不同：朴素贝叶斯、支持向量机、神经网络、关联规则、决策树、逻辑回归或多种方法的结合。这些都是数据科学的分支，当这些算法被用于自动化的时候，就像在自动飞行或无人驾驶汽车中，它被称为人工智能。
人工智能是计算机科学的子领域，自从1956年几个计算机科学家在达特茅斯会议上聚集并开辟了人工智能（AI:Artificial Intelligence）这一领域，人工智能就进入了我们的想象，并在实验研究中进行着酝酿。人工智能的先驱者们的梦想是借由新兴计算机构建具有人类智力特征的复杂机器。这就是“通用人工智能（General AI）”的概念，即拥有人类的所有感觉、所有的理智，像人类一样思考的神奇机器。目前科研领域还没有达到能实现通用人工智能的水平，当今引领人工智能蓬勃发展的是“狭义人工智能（Narrow AI）”，指的是能够将特殊任务处理水平与人类一样好，或者更好的技术。譬如图像识别、语音识别、机器翻译等，其准确率已超过人类极限水平。