scikit-learn：Machine Learning Simplified

If you are a programmer and want to explore machine learning and data-based methods to build intelligent applications and enhance your programming skills, this is the course for you. No previous experience with machine-learning algorithms is required.

这是一本面向程序员的机器学习入门书籍。书中没有要求读者具备机器学习算法的先验知识，而是通过深入浅出的方式，引导读者逐步了解并掌握机器学习的基本概念和技术。 书中首先介绍了监督学习和无监督学习的基本概念，并解释了它们之间的区别。作者通过实例展示了如何应用这些概念来解决实际问题，例如通过监督学习来预测信用卡欺诈，通过无监督学习来发现音乐作品中的共同点和差异。 接着，书中详细介绍了图像识别与支持向量机(SVM) ，文本分类与朴素贝叶斯等常见的监督学习技术，并解释了它们的工作原理和如何应用这些技术来解决实际问题。作者还讨论了如何使用scikit-learn工具包来构建和训练这些模型。 此外，书中还介绍了从外部源获取样本数据并进行预处理和降维的方法，以及如何使用线性回归模型和岭回归、Lasso回归等模型来解决回归问题。作者还讨论了如何使用K-fold交叉验证和自动交叉验证等方法来评估模型的性能，并介绍了如何使用特征选择和统计测试来选择最合适的特征集。 书中还详细介绍了人工神经网络的基本概念和结构，以及如何使用主成分分析(PCA) 和k-means聚类算法等无监督学习技术来处理和分析数据。