机器学习技术类书单推荐

小莹莹

发布于 2018-04-20 10:44:31

9690

发布于 2018-04-20 10:44:31

文章被收录于专栏：PPV课数据科学社区PPV课数据科学社区

机器学习技术类书单推荐，共11本：

《机器学习》

《图解机器学习》

《机器学习实战》【有电子版】

《机器学习系统设计》【有电子版】

《Python机器学习基础教程》【有电子版】

《Python机器学习经典实例》【有电子版】

《精通机器学习：基于R（第2版）》【有电子版】

《Spark机器学习》【有电子版】

《Java机器学习》【有电子版】

《Mahout实战》【有电子版】

《机器学习实践：测试驱动的开发方法》【有电子版】

入门1：全面经典

Machine Learning: The Art and Science of Algorithms that Make Sense of Data

http://www.ituring.com.cn/book/1119

作者：Peter Flach

译者：段菲

定价：79.00元

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
数百个精选实例和解说性插图，汇集所有用于理解、挖掘和分析数据的先进方法

本书是迄今市面上内容最为全面的机器学习教材之一，书中汇集了所有用于理解、挖掘和分析数据的先进方法，并且通过数百个精选实例和解说性插图，直观而准确地阐释了这些方法背后的原理，内容涵盖了机器学习的构成要素和机器学习任务、逻辑模型、几何模型、统计模型，以及矩阵分解、ROC分析等时下热点话题。

入门2：最易上手

イラストで学ぶ機械学習

http://www.ituring.com.cn/book/1371

作者：杉山将　

译者：许永伟

定价：49.00元

最简单的机器学习入门书，187张图轻松入门
覆盖机器学习中最经典、用途最广的算法
提供可执行的Matlab程序代码

本书用丰富的图示，从最小二乘法出发，对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种无监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。

实战1：最受欢迎

Machine Learning in Action

http://www.ituring.com.cn/book/1021

作者：Peter Harrington

译者：李锐李鹏曲亚东王斌

定价：69.00元 / 电子书39.99元

最畅销机器学习图书
介绍并实现机器学习的主流算法
面向日常任务的高效实战内容

全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，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核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。

实战2：必应团队教你ML系统设计

Building Machine Learning Systems with Python

http://www.ituring.com.cn/book/1192

作者：Willi Richert，Luis Pedro Coelho

译者：刘峰

定价：49.00元 / 电子书19.99元

微软Bing核心团队成员推出
聚焦算法编写和编程方式
结合大量实例学会解决实际问题

本书将向读者展示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，然后就开始基于数据集进行比较正式的项目开发了，涉及建模、推荐及改进，以及声音与图像处理。通过流行的开源库，我们可以掌握如何高效处理文本、图片和声音。同时，读者也能掌握如何评估、比较和选择适用的机器学习技术。

入门：用Python机器学习

Introduction to Machine Learning with Python

http://www.ituring.com.cn/book/1915

作者：Andreas C. Müller ，Sarah Guido

译者：张亮（hysic）

定价：79.00元 / 电子书39.99元

Python机器学习入门书
自己动手构建机器学习解决方案并非难事！
以机器学习算法实践为重点，使用scikit-learn库从头构建机器学习应用

本书主要内容包括：

机器学习的基本概念及其应用；
实践中最常用的机器学习算法以及这些算法的优缺点；
在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；
模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；
管道的概念；
如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。

经典实例：用Python机器学习

Python Machine Learning Cookbook

http://www.ituring.com.cn/book/1894

作者：Prateek Joshi 译者：陶俊杰，陈小莉定价：59.00元

监督学习技术、预测建模、无监督学习算法等前沿话题的实例代码展示
来自Kaggle的经典数据集和机器学习案例
用流行的Python库scikit-learn解决机器学习问题

本书不仅可以帮你了解现实生活中机器学习的应用场景，而且通过有趣的菜谱式教程教你掌握处理具体问题的算法。

本书首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。通过本书，你不仅可以学会如何做出合理的决策，为自己选择合适的算法类型，而且可以学会如何高效地实现算法以获得最佳学习效果。

用R语言讲述机器学习高级技术

Mastering Machine Learning with R, Second Edition

http://www.ituring.com.cn/book/1989

作者：Cory Lesmeister

译者：陈光欣

定价：69.00元 / 电子书34.99元

利用R包轻松应用机器学习方法
展示各类机器学习方法的优势与潜在问题
技术与理论并重，通过丰富的商业案例实现机器学习高级概念
在AWS等云平台上利用R亲手实践机器学习

机器学习是近年来的热门技术话题，R语言是处理其中大量数据的有力工具。

本书为读者提供机器学习和R语言的坚实算法基础和业务基础，内容包括机器学习基本概念、线性回归、逻辑回归和判别分析、线性模型的高级选择特性、K最近邻和支持向量机等，力图平衡实践中的技术和理论两方面。

实战3：Spark + ML

Machine Learning with Spark

http://www.ituring.com.cn/book/1569

作者：Nick Pentreath

译者：蔡立宇黄章帅周济民

定价：59.00元 / 电子书29.99元

当机器学习遇上最流行的并行计算框架Spark
以机器学习算法为主线，结合实例探讨Spark的实际应用

本书介绍Spark的基础知识，从利用Spark API来载入和处理数据，到将数据作为多种机器学习模型的输入。此外还通过详细的例子和现实应用讲解了常见的机器学习模型，包括推荐系统、分类、回归、聚类和降维。最后还介绍了一些高阶内容，如大规模文本数据的处理，以及Spark Streaming下的在线机器学习和模型评估方法。

实战4： Java