Python 是一种非常流行的机器学习语言。
Python 中的机器学习库和框架(尤其是在 SciPy 堆栈周围)正在迅速成熟。它们可能不如 R 功能丰富,但对于中小规模的生产实现来说已经足够健壮。
如果您是希望进入机器学习领域的 Python 程序员,或者您普遍有兴趣通过 Python 进入机器学习领域,那么我想通过这篇文章向您推荐一些您在旅途中可能会觉得有用的关键书籍。
这绝不是一本完整的书籍列表,但如果您对 Python 中的机器学习感兴趣,我认为这些是您应该关注的优秀书籍。
使用我的新书 《Python 机器学习精通》 轻松启动您的项目,其中包含分步教程和所有示例的Python 源代码文件。
让我们开始吧。
Python 机器学习
《Python 机器学习系统构建》 (2013):通过这本密集的实践指南,掌握 Python 机器学习的艺术,构建有效的机器学习系统。
《学习 scikit-learn:Python 机器学习》 (2013):通过将机器学习技术应用于现实世界的问题,使用 Python 和开源的 scikit-learn 库来体验这些技术的优势。
《机器学习实战》 (2012):《机器学习实战》是一本独特的书籍,它将机器学习的基础理论与构建日常数据分析工具的实际情况相结合。您将使用灵活的 Python 编程语言构建实现数据分类、预测、推荐以及诸如摘要和简化等更高级别功能的算法的程序。
《编程中的集体智慧:构建智能 Web 2.0 应用》 (2007):这本引人入胜的书展示了如何构建 Web 2.0 应用程序来挖掘人们在互联网上创建的海量数据。
《机器学习:算法视角》 (2011):该领域已经准备好需要一本不仅演示如何使用构成机器学习方法的算法,还提供理解这些算法如何以及为何起作用所需背景的教材。《机器学习:算法视角》就是这样一本教材。
Python 特色机器学习
《挖掘社交网络:Facebook、Twitter、LinkedIn、Google+、GitHub 等数据挖掘》 (2013):您将学会如何从社交网络的所有角落获取、分析和总结数据,包括 Facebook、Twitter、LinkedIn、Google+、GitHub、电子邮件、网站和博客。
《Python 自然语言处理》 (2009):这本书提供了对自然语言处理这一支持各种语言技术(从预测文本和电子邮件过滤到自动摘要和翻译)的领域的非常容易理解的介绍。
《Python 计算机视觉编程:图像分析工具和算法》 (2012):如果您想对计算机视觉的底层理论和算法有一个基本了解,那么这本实践性介绍是理想的起点。通过跟随用 Python 编写的清晰示例,您将学习对象识别、3D 重建、立体成像、增强现实和其他计算机视觉应用程序的技术。
《Python 数据分析:使用 Pandas、NumPy 和 IPython 进行数据整理》 (2012):它也是一本面向数据密集型应用的实用、现代的 Python 科学计算入门。这本书是关于您需要有效地解决一系列数据分析问题的 Python 语言和库的各个方面。这本书不是关于使用 Python 作为实现语言的分析方法的阐述。
我是否遗漏了任何必读的 Python 机器学习书籍?请在评论中告诉我。
嗨,Jason,
它们与机器学习过程有些间接,但我认为仍然相关
《Python 可视化入门:制作可视化转换脚本》(专业人士的书籍,面向专业人士)
通过
http://www.amazon.com/Beginning-Python-Visualization-Transformation-Professionals/dp/1430218436/ref=sr_1_1?ie=UTF8&qid=1397609549&sr=8-1&keywords=beginning+python+visualization
和
使用开源工具进行数据分析
通过
http://www.amazon.com/Data-Analysis-Open-Source-Tools/dp/0596802358/ref=sr_1_5?ie=UTF8&qid=1397609756&sr=8-5&keywords=beginning+python+visualization
Fraser
很棒的书,谢谢 Fraser。
这是一个很棒的网站。我真的很欣赏您的工作。谢谢。
谢谢 Dillon!
嗨,Jason,
您能推荐一本好的 Python 书籍,其中包含如何将机器学习用于神经元网络分析的示例吗?
您好,Jason!感谢您整理这份有用的机器学习书籍列表。我想知道您是否有一些推荐的书籍,可以学习或在 JVM 中应用机器学习,使用 Spark ML 或 Deeplearning4j 等框架。提前感谢您的时间和关注!
目前还没有,抱歉。