假期实用机器学习书籍

O’Reilly 的书籍以实用、动手和有用而闻名。特别是“坚果书”和所谓的“动物书”。

O’Reilly 在假期期间推出了一些关于机器学习的新书。

我不想用评论来烦扰您，亚马逊有很多这类评论。在这篇文章中，我们将快速浏览这些新的机器学习书籍，看看在假期期间哪些值得阅读。

Thoughtful Machine Learning: A Test-Driven Approach

由 Matthew Kirk 撰写，于 2014 年 10 月出版。

Thoughtful Machine Learning: A Test-Driven Approach

通过从头开始实现算法来学习机器学习，并使用测试驱动开发来验证实现。

涵盖算法，如

• K-近邻分类
• 朴素贝叶斯分类
• 隐马尔可夫模型
• 支持向量机
• 神经网络
• K-均值和期望最大化聚类
• 核岭回归

令人惊讶的是，它使用 Ruby 而不是 Python（这和我为 Clever Algorithms 所做的选择一样）。

它看起来很有趣，并且可能非常适合那些有兴趣直接上手编码的人。

Data Science at the Command Line: Facing the Future with Time-Tested Tools

由 Jeroen Janssens 撰写，于 2014 年 10 月出版。

Data Science at the Command Line: Facing the Future with Time-Tested Tools

这本书教你如何使用常用（以及一些不太常用）的命令行工具来执行常见的机器学习任务。

这本书采用 Hilary Mason 和 Chris Wiggins 的 OSEMN 框架（发音为“awesome”）。有关 OSEMN 的更多信息，请参阅 Mason 和 Wiggins 2010 年的帖子“A Taxonomy of Data Science”。

1. 获取数据
2. 清理数据
3. 探索数据
4. 建模数据
5. 解读数据

非常实用且动手。如果您已经花费大量时间在命令行上（您是天生的 Unix 用户）和/或您更喜欢处理大型数据集而不是内存中的样本，那么这本书可能更有用。

即将推出

我们也可以看看 O’Reilly 明年将推出什么。

Introduction to Machine Learning with Python

由 Sarah Guido 撰写，将于 2015 年 6 月出版。

Introduction to Machine Learning with Python

这本书目前还没有太多介绍，它
还有 6 个月才出版。

它看起来像是上面“Thoughtful Machine Learning”的一个变体，带有 Python 示例。

敬请关注。

Machine Learning for Healthcare

由 John Schrom 撰写，将于 2015 年 6 月出版。

Machine Learning for Healthcare

同样，在这个阶段关于这本书的内容不多。这是另一本实用的书籍，它在研究医疗保健行业的问题和案例研究的同时教授机器学习。

一个迷人的想法和一个日益热门的领域。我一直关注这本书。

经典

在谈论 O’Reilly 的机器学习书籍时，我们也应该提及一些经典的、非常值得阅读的书籍。

集体智慧编程：构建智能 Web 2.0 应用

由 Toby Segaran 撰写，于 2007 年 8 月出版。

Programming Collective Intelligence: Building Smart Web 2.0 Applications

我认为这是 O’Reilly 进军机器学习书籍的开端。它非常实用，通过一个接一个的例子，教你如何为特定且有趣的问题（主要基于网络数据）从头开始实现算法。

它经常因缺乏参考文献而受到批评，但我认为七年后，对于初学者来说，它仍然是一本极好的机器学习入门书籍。我预计它很快就会更新。

《黑客的机器学习》(Machine Learning for Hackers)

由 Drew Conway 和 John Myles White 撰写，于 2012 年 2 月发布。

《黑客的机器学习》(Machine Learning for Hackers)

它提供了对应用机器学习的精彩介绍，并提供 R 语言的实际操作示例。我很喜欢这本书。它是一本很棒的书，非常注重实践。强烈推荐。

Machine Learning for Email: Spam Filtering and Priority Inbox

同样由 Drew Conway 和 John Myles White 撰写，于 2011 年 11 月出版。

Machine Learning for Email: Spam Filtering and Priority Inbox

它是《Machine Learning for Hackers》的前身，非常相似，但篇幅较短，专注于处理电子邮件的示例。

我认为，如果您阅读了《Machine Learning for Hackers》，可以放心忽略这本书。

Doing Data Science: Straight Talk from the Frontline

由 Cathy O’Neil 和 Rachel Schutt 撰写。

Doing Data Science: Straight Talk from the Frontline

这是另一本实用的机器学习书籍，这次是基于作者在哥伦比亚大学教授的一门课程。

每一章都涵盖了课程期间特邀讲师介绍的主题。它们大多经过深思熟虑且有趣，具有出色的广度。

我非常喜欢这本书。正如副标题和出版商所承诺的那样，它很实用，并且涉及了其他书籍没有涵盖的主题，例如成为一名优秀的数据科学家和数据科学团队所需的技能。

如果您对数据科学或应用机器学习非常认真，那么这本书值得推荐。

Agile Data Science: Building Data Analytics Applications with Hadoop

由 Russell Jurney 撰写，于 2013 年 10 月出版。

Agile Data Science: Building Data Analytics Applications with Hadoop

这是一本有趣的书，它涉及一系列不同的技术来完成应用数据科学的工作。它涉及 Apache Pig（用于大数据）、Python 和 D3.js（用于可视化）等技术。

有趣的是，这本书中的所有示例也都可以作为 Heroku 应用程序使用。

这是一本有趣的读物，更多地涵盖了您可以使用的各种工具以及如何使用它们，而不是机器学习本身。

总结

我们快速浏览了几本 O’Reilly 新推出的机器学习书籍。我们可以看到，出版商将数据、大数据和机器学习作为重点，提供了一个出色的解决方案，并且还有许多新书即将推出。

我们还回顾了一些 O’Reilly 提供的经典机器学习和数据科学书籍，它们可能会激发您在假期阅读的兴趣。

假期是深入学习和阅读一本实用机器学习书籍的好时机。重燃您对机器学习的热情，并为 2015 年做好准备。

选择一本书，从头到尾阅读。

您选择了哪本书？