共计 2418 个字符，预计需要花费 7 分钟才能阅读完成。
明天举荐的图书专一机器学习主题，一共 7 本，都是通过实际测验的好书——《机器学习》《图解机器学习》《机器学习实战》《机器学习零碎设计》《Spark 机器学习》《Mahout 实战》《机器学习实际：测试驱动的开发方法》。
【流动】呢，仍然送 5 本。这次咱改个规定。评论被 点赞最多的前五位 小伙伴将取得赠书，获奖者可从 7 本书中任选一本。大家能够自在施展了，你懂得 … 截止 28 日 10:00。
PS：《机器学习》是新书，刚刚上市，英文版评估十分棒，【浏览原文】放上了京东的购买链接。
当然，大数据的图书都跟机器学习相干，而咱们大数据的图书相当多，如果大家想理解，能够返回订阅号界面回复“大数据”。
入门 1：全面经典
Machine Learning: The Art and Science of Algorithms that Make Sense of Data
作者：Peter Flach
译者：段菲
页数：312
- 被誉为内容最全面的机器学习指南，_Machine Learning_期刊总编 Peter Flach 力作
- 数百个精选实例和讲解性插图，会集所有用于了解、开掘和剖析数据的先进办法
本书是迄今市面上内容最为全面的机器学习教材之一，书中会集了所有用于了解、开掘和剖析数据的先进办法，并且通过数百个精选实例和讲解性插图，直观而精确地阐释了这些办法背地的原理，内容涵盖了机器学习的形成因素和机器学习工作、逻辑模型、几何模型、统计模型，以及矩阵合成、ROC 剖析等时下热点话题。
入门 2：最易上手
イラストで学ぶ 機械学習
作者：杉山将
译者：许永伟
页数：240
- 最简略的机器学习入门书，187 张图轻松入门
- 笼罩机器学习中最经典、用处最广的算法
- 提供可执行的 Matlab 程序代码
本书用丰盛的图示，从最小二乘法登程，对基于最小二乘法实现的各种机器学习算法进行了具体的介绍。第Ⅰ局部介绍了机器学习畛域的详情；第Ⅱ局部和第Ⅲ局部别离介绍了各种有监督的回归算法和分类算法；第Ⅳ局部介绍了各种无监督学习算法；第Ⅴ局部介绍了机器学习畛域中的新兴算法。书中大部分算法都有相应的 MATLAB 程序源代码，能够用来进行简略的测试。
实战 1：最受欢迎
Machine Learning in Action
作者：Peter Harrington
译者：李锐 李鹏 曲亚东 王斌
页数：332
- 最滞销机器学习图书
- 介绍并实现机器学习的支流算法
- 面向日常工作的高效实战内容
全书通过精心编排的实例，切入日常工作工作，摒弃学术化语言，利用高效的可复用 Python 代码来阐释如何解决统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的外围算法，并能将其使用于一些策略性工作中，如分类、预测、举荐。另外，还可用它们来实现一些更高级的性能，如汇总和简化等。
实战 2：必应团队教你 ML 零碎设计
Building Machine Learning Systems with Python
作者：Willi Richert，Luis Pedro Coelho
译者：刘峰
页数：224
- 微软 Bing 外围团队成员推出
- 聚焦算法编写和编程形式
- 联合大量实例学会解决理论问题
本书将向读者展现如何从原始数据中发现模式，首先从 Python 与机器学习的关系讲起，再介绍一些库，而后就开始基于数据集进行比拟正式的我的项目开发了，波及建模、举荐及改良，以及声音与图像处理。通过风行的开源库，咱们能够把握如何高效解决文本、图片和声音。同时，读者也能把握如何评估、比拟和抉择实用的机器学习技术。
实战 3：Spark + ML
Machine Learning with Spark
作者：Nick Pentreath
译者：蔡立宇 黄章帅 周济民
页数：240
- 当机器学习遇上最风行的并行计算框架 Spark
- 以机器学习算法为主线，联合实例探讨 Spark 的理论利用
本书介绍 Spark 的基础知识，从利用 Spark API 来载入和解决数据，到将数据作为多种机器学习模型的输出。此外还通过具体的例子和事实利用解说了常见的机器学习模型，包含举荐零碎、分类、回归、聚类和降维。最初还介绍了一些高阶内容，如大规模文本数据的解决，以及 Spark Streaming 下的在线机器学习和模型评估办法。
实战 4：Mahout ML
Mahout in Action
作者：Sean Owen，Robin Anil 等
译者：王斌 韩冀中 万吉
页数：340
- Apache 基金会官网举荐
- Mahout 外围团队权威力作
- 大数据时代机器学习的实战经典
Mahout 作为 Apache 的开源机器学习我的项目，把举荐零碎、分类和聚类等畛域的外围算法稀释到了可扩大的现成的库中。应用 Mahout 能够在本人的我的项目中利用亚马逊、Netflix 等公司的机器学习技术。
实战 5：Test-Driven 实际
Thoughtful Machine Learning: A Test-Driven Approach
作者：Matthew Kirk
译者：段菲
页数：204
- 用测试驱动办法开发出牢靠、稳固的机器学习算法
- 利用机器学习技术解决波及数据的事实问题
通过浏览本书，你将可能：
- 在编写代码之前，使用测试驱动的办法来编写和运行测试
- 学习八种机器学习算法的最佳用法，并进行衡量
- 通过入手实际实在示例，对每种算法进行测试
- 了解测试驱动开发和对解进行验证的迷信办法之间的相似性
- 获悉机器学习的危险，如对数据产生欠拟合或过拟合
- 摸索可改善机器学习模型或数据提取的各种技术
本书每一章都通过示例介绍了机器学习技术可能解决的无关数据的具体问题，以及求解问题和解决数据的办法。具体涵盖了测试驱动的机器学习、机器学习概述、K 近邻分类、奢侈贝叶斯分类、隐马尔可夫模型、反对向量机、神经网络、聚类、核岭回归、模型改良与数据提取等内容。
*— 【THE END】—*
本公众号全副博文已整顿成一个目录，请在公众号里回复「m」获取！
3T 技术资源大放送！包含但不限于：Java、C/C++，Linux，Python，大数据，人工智能等等。在公众号内回复「1024」，即可收费获取！！
