简介

精彩点评

• 

  Jennifer

  推荐

  讲解通俗易懂，在实际案例中学习练习，很喜欢这本书，没有冗长的讲解，一点也不枯燥，终于把一本python书完整读完了！

• 

  周帆

  推荐

  从字里行间都能看到作者的用心，知识的引出会为眼前的读者考虑而循序渐进，而不像其他书上来就一堆公式 ，感谢王老师

• 

  莫少波

  推荐

  机器学习牛啊。 本书不怎么注重算法细节，但是有大量的模型和各行业应用范例。对新手对机器学习有个大致了解非常有帮助。

• 

  阿白

  推荐

  本身对深度学习感兴趣，但一直不得纲领入不了门，这本书虽然是讲机器学习，但深度学习也是机器学习的分支，书中讲的知识很扎实，牵扯到数学的地方也讲的很清晰，作为小白看完基本没有压力，作为深度学习的基础知识储备是本很好的书，推荐对深度学习感兴趣的朋友先阅读读书。

• 

  疯子哈哈

  推荐

  非常优质的机器学习的书。由简到繁，由易到难的讲解机器学习的相关算法模型，逐渐按照项目实战的方式，根据所需的知识点一步步引入新的知识点，使得学习过程逐步深化。与作者另一本金融大数据挖掘与分析配套学习更好。[强][强][强]

• 

  cacy

  推荐

  我只看了关联分析部分，可谓深入浅出，通俗易懂。佩服作者可以把复杂的问题讲解得如此清晰。

• 

  DXH

  推荐

  切中肯綮，案例鲜明。其列举的算法中有些还是挺难的，但只要你认真接收，理解算法原理是没问题的。比如：AdaBoost与GBDT算法，建立一个模型综合考虑各方面因素。机器学习神器：XGBoost与Light-GBM算法，这两种算法极大地提升了机器学习的效率和效果，无论是分类模型还是回归模型都有很大的作用。到后面的数据处理，数据降维，数据聚类与分群分析等，结合一个个案例进行操作，更好的去理解算法和运用算法构造模型。全篇看完花了近58个小时，一边看一边写，发现其中大多数的算法，其只是更换了python数据库的使用，其他的代码几乎是相同的，尤其是前面的分类和回归算法，从读取数据，提取特征值，划分训练集，构造模型进行训练，其中只有构造模型需要考虑的参数和运用的库不一样。总体来说还是不错的，作为初学者而言，不那么难理解，且自己实操起来也不会噎住，虽然一两处的问题是难免的，不过还是值得推荐和学习的，当然读完了以后也要多复习，才可以更进一步的去理解、去探索。

• 

  VincyD

  推荐

  这本书太强大啦！完全可以当作工具书来用，读了几次了，查漏补缺特别好用！作者在内容和编排上很用心，很多案例都很热门，很有启发性，谢谢作者！

• 

  徐宁

  推荐

  本书不注重太细的理论，注重案例应用，非常适合新手学习，入门用

• 

  colin

  推荐

  实战部分的代码演示很不错。读完已经点亮了一排技能点。自己写了一个可以从图片库中自动识别出人类幼崽抢去手机后乱拍的高糊照片，一个从国外大学网申系统扒每个学校每个专业信息并整合分析的爬虫，很多事情都给计算器程序做感觉真香！

• 

  咕噜咕噜🐈🎐

  推荐

  书很不错，但是像mplfinance这些库已经更新很多函数用法已变

• 

  凤涛

  推荐

  对于初学者来说，比较适合，讲的比较浅显易懂，推荐大家可以读一下，可以在此基础上搭建自己的分析体系与逻辑

• 

  安迪

  推荐

  本书把我之前心心念念想要的理论和实践相结合的梦想实现了！全书通俗易懂，没有复杂的数学推导，但基本原理论述清晰，且有实际案例可以快速上手练习，非常适合初学者。

• 

  劉y。

  推荐

  通俗易懂，并且每段代码均有详细解释，理论与实战结合较好，十分适合入门级选手。

• 

  Happiness

  推荐

  计算机类的技术书籍中让我发自内心想打五星的，这是第一本。许多标榜零基础的书籍，上来就堆各种算法和数学公式，一点不顾及初学者的感受。现在看来，只有上手编程把代码跑通、知道代码具体该应用在什么场景后，再去深究具体的算法原理，才是正确学习编程的方法。常见的机器学习算法本书都介绍了，每行代码都解释了具体原理，如果要参加数学建模的比赛，一些数据分析的题完全可以靠这本书上的代码解决