《Machine Learning In Action》电子书、源码发布（附下载）

机器学习如何入门？理论算法是基础。更重要的就是要注重实战。简单地说，最直接的方法就是自己实现一遍主流的机器学习算法。这里可能有的同学说不需要重复造轮子。但是我觉得简单地把所有机器学习算法使用python实现一遍还是很有必要的，至少是伪代码的形式。一方面能够加深自己对理论的深入理解，另一方面能够锻炼自己的代码实操能力。因此，今天给大家介绍一本以 Python 为基础的机器学习实战编程书籍：《Machine Learning In Action》，中文译为《机器学习实战》。

目录：

《Machine Learning In Action》总共有 15 章节，分为四大部分。第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

特色：

本书主要具有 4 个优点：

• 不调包，从0写起实现主流机器学习算法

• 所有代码基于Python 3

• 实例详细分解，逐步指导使用算法跑出模型

• 实战与理论交叉，通过实战加深理论知识

源码：

原书《Machine Learning In Action》配套的代码是基于 Python2 实现的，而且部分代码存在 bug，西安电子科技大学的一名研二在读学生 wzy6642 对书中的 Python 2 代码重新做了整理，全部的代码可在 Python3 环境下运行。所有的源程序中，文件夹名称的命名规则为：算法名称+对应书中的第几个案例，因为数据量比较大，所以少数几个案例采用压缩包上传的方式。

Python 3 代码实现相应的 GitHub 地址如下：

https://github.com/wzy6642/Machine-Learning-in-Action-Python3

除此之外，还有一位机器学习爱好者按照书中章节顺序，使用 jupyter notebook，非常好地实现了基于 Python3 的源代码（包括 .ipynb 文件）。目前在 GitHub 上已经超过 2000 star 了。地址如下：

https://github.com/pbharrin/machinelearninginaction

资源下载：

《Machine Learning In Action》电子版和源码已经打包好，获取步骤如下：

1. 扫描下方二维码

2. 后台回复关键词：MLA