之前看國內外的 python 機器學習的書，鮮有將機器學習到底怎麼做人臉識別、怎麼做風險控制、怎麼做 ocr 演算法模型列出的，並且真正的乙個 python 應用，不止是從機器學習庫中匯入一下配置一下引數那麼簡單。我們所有的例子程式，獨此一家，別無分號。
本書的主要內容分為四大部分：
（1）python開發程式的一些方法技巧，如虛擬環境管理、敏捷開發入門、單元測試等；
（2）python中的一些中級使用技巧，如列表生成式、多執行緒與多程序、python程式效能分析等；
（3）機器學習的基本概念和常用演算法介紹，以及如何選擇合適的演算法；
（4）一些使用python進行建模和機器學習的實際例子。
我們這樣設計是在平時工作學習中發現，作為程式設計師和資料建模或者機器學習的同事在知識結構和實際應用程式上有一些差異。很多程式設計師無法理解模型的訓練、調參等概念，因為這些和傳統的不管是瀑布式還是敏捷式的開發都大相徑庭；而建模人員對於乙個應用專案的需求、詳細設計、開發、測試、部署、效能等也很難理解。於是我們在實踐中逐漸摸索並採用的方法就是大家都各自往前走一步，程式人員要了解建模的基本流程，而作為建模人員要了解開發的各個步驟的來龍去脈。
本書既能為python程式開發人員夯實基礎，提公升程式設計技能，又能為使用python的機器學習從業者提供大量實際案例，使其獲得機器學習實戰經驗，幫助開發人員和建模人員取長補短，彌補各自知識結構上的欠缺，打造更優秀的具有綜合能力的團隊。
因為篇幅有限，只能蜻蜓點水，各方面略有涉及。
目錄如下：
第一部分python開發實戰
第一章開發環境選擇與比較
第二章anaconda使用介紹
第三章開發規範與方法
第四章單元測試與**覆蓋率
第二部分python程式設計技巧
第五章列表生成式
第六章collections庫
第七章迭代器
第八章python多執行緒與多程序**
第九章python程式效能分析初步
第三部分python機器學習基礎
第十章機器學習基礎
第十一章主要演算法概覽
第十二章k近鄰演算法
第十三章主成分分析
第十四章邏輯回歸
第十五章樸素貝葉斯分類器
第十六章決策樹演算法
第十七章支援向量機
第十八章k-means聚類
第十九章人工神經網路
第二十章如何選擇合適的演算法
第二十一章python機器學習工具
第四部分python機器學習例項
第二十二章基於rfm的p2p使用者聚類模型
第二十三章文字的主題分類
第二十四章利用機器翻譯實現自然語言查詢
第二十五章身份證漢字和數字識別
第二十六章人臉識別
稍後，我們將贈送一些書籍給需要的朋友們！
機器學習 softmax回歸 python實現
恢復內容開始 softmax regression 可以看做是 lr 演算法在多分類上的推廣，即類標籤 y 的取值大於或者等於 2。假設資料樣本集為 left y right left x y right left x y right left x y right right 對於 sr 演算法，其...
python實現PCA演算法，參考機器學習實戰
def pca datamat,topnfeat 9999999 meanvals mean datamat,axis 0 求每一維特徵的平均值 meanremoved datamat meanvals 中心化 covmat cov meanremoved,rowvar 0 求特徵間的協方差矩陣 e...
Python資料探勘與機器學習技術入門實戰
課程主講簡介 韋瑋 企業家，資深it領域專家 講師 作家，暢銷書 精通python網路爬蟲 作者，阿里雲社群技術專家。本次課程包含了五個知識點 1.資料探勘與機器學習技術簡介 2.python資料預處理實戰 3.常見分類演算法介紹 4.對鳶尾花進行分類案例實戰 5.分類演算法的選擇思路與技巧 一 資...