最近黄小斜开始接触了一些算法方面的开工作，于是连忙找了好些机器学习方面的书籍来看学习，从研发到算法，果然是齐全不一样的感觉呀。如果你写代码写腻了，也无妨来学习一下算法方面的常识，从机器学习开始，关上 AI 学习之路的大门吧。
机器学习实战系列书单
机器学习实战
机器学习是人工智能钻研畛域中一个极其重要的钻研方向，在现今的大数据时代背景下，捕捉数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性伎俩，这使得这一过来为分析师和数学家所专属的钻研畛域越来越为人们所注目。
《机器学习实战》次要介绍机器学习根底，以及如何利用算法进行分类，并逐渐介绍了多种经典的监督学习算法，如 k 近邻算法、奢侈贝叶斯算法、Logistic 回归算法、反对向量机、AdaBoost 集成办法、基于树的回归算法和分类回归树（CART）算法等。第三局部则重点介绍无监督学习及其一些次要算法：k 均值聚类算法、Apriori 算法、FP-Growth 算法。第四局部介绍了机器学习算法的一些从属工具。
《机器学习实战》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。
作者简介
Peter Harrington，领有电气工程学士和硕士学位，他已经在美国加州和中国的英特尔公司工作 7 年。Peter 领有 5 项美国专利，在三种学术期刊上发表过文章。他当初是 Zillabyte 公司的首席科学家，在退出该公司之前，他曾负责 2 年的机器学习软件参谋。Peter 在业余时间还加入编程比赛和建造 3D 打印机。
机器学习原理、算法与利用
机器学习是以后解决很多人工智能问题的核心技术，自 2012 年以来，深度学习的呈现带来了人工智能振兴。本书是机器学习和深度学习畛域的入门与进步教材，紧密结合工程实际与利用，零碎、深刻地讲述机器学习与深度学习的支流办法与实践。
本书实践推导与证实具体、深刻，构造清晰，具体地讲述次要算法的原理与细节，让读者不仅知其然，还知其所以然，真正了解算法、学会应用算法。对于计算机、人工智能及相干业余的本科生和研究生，这是一本适宜入门与零碎学习的教材；对于从事人工智能和机器学习产品研发的工程技术人员，本书也具备很强的参考价值。
作者简介
雷明，致力于研发机器学习与深度学习、计算机视觉框架，SIGAI 创始人。2009 年毕业于清华大学计算机系，获硕士学位，钻研方向为机器学习、计算机视觉，发表论文数篇。曾就任于百度公司，任高级软件工程师和项目经理；zmodo/meshare，任 CTO 与平台研发核心负责人。在机器学习、计算机视觉方向有丰盛的学术研究与产品研发教训。
scikit-learn 机器学习
机器学习是一个十分热门的技术，本书内容涵盖多种机器学习模型，包含风行的机器学习算法，例如 K 近邻算法、逻辑回归、奢侈贝叶斯、K 均值算法、决策树以及人工神经网络。与此同时，还探讨了数据预处理、超参数优化和集成办法等主题。
浏览完本书之后，读者将学会构建用于文档分类、图像识别、广告检测等工作的零碎，还将学到如何应用 scikit-learn 类库的 API 从类别变量、文本和图像中提取特色，如何评估模型的性能，并对如何晋升模型的性能建设直觉。
除此之外，还将把握在实践中使用 scikit-learn 构建高效模型所需的技能，并可能通过实用的策略实现高级工作。
近年来，Python 语言成为了广受欢迎的编程语言，而它在机器学习畛域也有很好的体现。scikit-learn 是一个用 Python 语言编写的机器学习算法库，它能够实现一系列罕用的机器学习算法，是一个好工具。
作者简介
Gavin Hackeling 是一名数据科学家和作家。他钻研过各种各样的机器学习问题，包含主动语音辨认、文档分类、指标辨认、以及语义切分。Gavin Hackeling 毕业于北卡罗来纳大学和纽约大学，目前和他的妻子和猫生存在布鲁克林。