# 好书推荐 ## 好书奇遇季 #scikit-learn 机器学习入门书《 scikit-learn 机器学习实战》，京东当当天猫都有发售。双色印刷，定价 69 元，打折一下更便宜。 从算法和案例入手，快速掌握机器学习

 

本书背景

 

scikit-learn 项目最早由数据科学家 David Cournapeau 在 2007 年发起，需要 NumPy 和 SciPy 等其他包的支持，它是 Python 语言中专门针对机器学习应用而发展起来的一款开源框架。

 

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构并使之不断改善自身的性能。它是人工智能的核心，即使计算机具有智能的根本途径。

 

本书针对机器学习这个领域，描述了多种学习模型、策略、算法、理论以及应用，基于 Python3 使用 scikit-learn 工具包演示算法解决实际问题的过程。对机器学习感兴趣的读者可通过本书快速入门，快速胜任机器学习岗位，成为人工智能时代的人才。

 

本书内容

 

本书共分 13 章，系统讲解机器学习的典型算法，内容包括机器学习概述、数据特征提取、 scikit-learn 估计器分类、朴素贝叶斯分类、线性回归、 k 近邻算法分类和回归、从简单线性回归到多元线性回归、从线性回归到逻辑回归、非线性分类和决策树回归、从决策树到随机森林、从感知机到支持向量机、从感知机到人工神经网络、主成分分析降维。本书的例子都是在 Python3 集成开发环境 Anaconda3 中经过实际调试通过的典型案例，同时本书配备了案例的源码和数据集供读者参考。

 

读者需要了解的重要信息

 

本书作为机器学习专业图书，介绍机器学习的基本概念、算法流程、模型构建、数据训练、模型评估与调优、必备工具和实现方法，全程以真实案例驱动，案例采用 Python3 实现。本书涵盖数据获得、算法模型、案例代码实现和结果展示的全过程，以机器学习的经典算法为轴线：算法分析 → 数据获取 → 模型构建 → 推断 → 算法评估。本书案例具有代表性，结合了理论与实践，并能明确机器学习的目标及完成效果。

 

本书读者

 

本书适合大数据分析与挖掘、机器学习与人工智能技术的初学者、研究人员及从业人员，也适合作为高等院校和培训机构大数据、机器学习与人工智能相关专业的师生教学参考。

 

本书作者

 

邓立国，东北大学计算机应用博士毕业。广东工业大学任教，主要研究方向：数据挖掘、知识工程、大数据处理、云计算、分布式计算等。著有图书《 scikit-learn 机器学习实战》《 Python 数据分析与挖掘实战》《 Python 大数据分析算法与实例》《 Python 机器学习算法与应用》《数据库原理与应用（ SQL Server 2016 版本）》。

 

本书目录

 

第 1 章   机器学习概述 1

第 2 章   机器学习之数据特征 9

第 3 章   用 scikit-learn 估计器分类

第 4 章   朴素贝叶斯分类

第 5 章   线性回归

第 6 章   用 k 近邻算法分类和回归

第 7 章   从简单线性回归到多元线性回归

第 8 章   从线性回归到逻辑回归

第 9 章   非线性分类和决策树回归

第 10 章   集成方法：从决策树到随机森林

第 11 章   从感知机到支持向量机

第 12 章   从感知机到人工神经网络

第 13 章   主成分分析降维

 

大数据技术书推荐

 

《 Hadoop 3 大数据技术快速入门》

《 Kettle 构建 Hadoop ETL 系统实践》

《 Flink 入门与实战》

《 Python 数据分析与挖掘实战》

《 Python 大数据处理库 PySpark 实战》

《 Hadoop 构建数据仓库实践》

《分布式数据库 HBase 案例教程》