开源！《Python 机器学习》第二版（附电子版 pdf）

工欲善其事，必先利其器！今天给大家推荐一本不错的 Python 机器学习教程，言简意赅，通俗易懂！就是这本《Python Machine Learning》(2nd)，中文译为《Python 机器学习》（第二版）。

如今更新的是第二版，它的第一版长这样：

本书作者

该书的作者 Sebastian Raschka 有多年的 Python 编码经验，他还举办了几次关于数据科学、机器学习和深度学习的实践应用的研讨会，包括在 Scipy 的机器学习教程。他是威斯康星-麦迪逊大学统计学助理教授，专注于深度学习和机器学习研究。

内容简介

这本书本身知名度很高，书籍质量也很高，简单来说就是简易、实用、不枯燥。本书使用了 Scikit-Learn 和 TensorFlow，分别讲解机器学习和深度学习，并每章配备实操代码。还有一点是讲解了如何将机器学习模型发布到 Web 应用。整个知识体系相对更加完善，是一本比较全面的机器学习书籍。

值得一提的是第二版在第一版的基础上增加了不少新的内容，完整的书籍目录如下：

1. Giving Computers the Ability to Learn from Data

2. Training Machine Learning Algorithms for Classification

3. A Tour of Machine Learning Classifiers Using Scikit-Learn

4. Building Good Training Sets – Data Pre-Processing

5. Compressing Data via Dimensionality Reduction

6. Learning Best Practices for Model Evaluation and Hyperparameter Optimization

7. Combining Different Models for Ensemble Learning

8. Applying Machine Learning to Sentiment Analysis

9. Embedding a Machine Learning Model into a Web Application

10. Predicting Continuous Target Variables with Regression Analysis

11. Working with Unlabeled Data – Clustering Analysis

12. Implementing a Multi-layer Artificial Neural Network from Scratch

13. Parallelizing Neural Network Training with TensorFlow

14. Going Deeper: The Mechanics of TensorFlow

15. Classifying Images with Deep Convolutional Neural Networks

16. Modeling Sequential Data Using Recurrent Neural Networks

随书代码

值得高兴的是，作者 Sebastian Raschka 开源了《Python 机器学习》第二版的所有章节中的 Python 代码，放在了 GitHub 仓库中。

源码地址：

https://github.com/rasbt/python-machine-learning-book-2nd-edition

目前，该 GitHub 项目已经获得 4000+ 的 star 了，热度很高。

整个 16 章中的 Python 代码是以 .ipynb 文件格式给出，我们可以很方便地使用 Jupyter Notebook 来查看和运行相应的代码，非常方便。

书籍下载

为了方便大家阅读，小编整理了该书的第一版和第二版 pdf 文件，获取地址如下：

链接：https://pan.baidu.com/s/1w-RDD7dkGaUJm3L9vFhnrQ

提取码：9e4u

赶紧下载学习吧！