推荐：《机器学习实战：基于Scikit-Learn和TensorFlow》中文翻译和代码下载

导读：本书主要分为两部分，第一部分（第1~8章）涵盖机器学习的基础理论知识和基本算法，从线性回归到随机森林等，可以帮助你掌握Scikit-Learn的常用方法；第二部份（第9~16章）探讨深度学习和常用框架TensorFlow，手把手教你使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。

一、前言

推荐一本机器学习入门的好书：《机器学习实战：基于Scikit-Learn和TensorFlow》。

本书主要分为两部分，第一部分（第1~8章）涵盖机器学习的基础理论知识和基本算法，从线性回归到随机森林等，可以帮助你掌握Scikit-Learn的常用方法；第二部份（第9~16章）探讨深度学习和常用框架TensorFlow，手把手教你使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。

这本书受到广大机器学习爱好者的好评，可以说是机器学习入门宝书，豆瓣评分8.2。

这本书假定您有一些 Python 编程经验，并且比较熟悉 Python 的主要科学库，特别是 NumPy，Pandas 和 Matplotlib 。

二、资源

本书作者公开了配套的源代码：

https://github.com/ageron/handson-ml

国内一个公益组织对原版英文书进行了翻译，制作成markdown文件（md文件推荐使用typora阅读），可以在github下载：

https://github.com/apachecn/hands-on-ml-zh

针对国内下载速度慢，本站对两个资源进行打包，可以在百度云下载：

https://pan.baidu.com/s/1iTIoa4RXdK-lo_QEgLEOFw 提取码：76hf

若被和谐请回复“324”进行下载。

三、主要内容介绍

这本书分为两个部分。

第一部分，机器学习的基础知识，涵盖以下主题：

什么是机器学习？它被试图用来解决什么问题？机器学习系统的主要类别和基本概念是什么？

典型的机器学习项目中的主要步骤。

通过拟合数据来学习模型。

优化成本函数（cost function）。

处理，清洗和准备数据。

选择和设计特征。

使用交叉验证选择一个模型并调整超参数。

机器学习的主要挑战，特别是欠拟合和过拟合（偏差和方差权衡）。

对训练数据进行降维以对抗 the curse of dimensionality（维度诅咒）

最常见的学习算法：线性和多项式回归， Logistic 回归，k-最近邻，支持向量机，决策树，随机森林和集成方法。

第二部分，神经网络和深度学习，包括以下主题：

什么是神经网络？它们有啥优势？

使用 TensorFlow 构建和训练神经网络。

最重要的神经网络架构：前馈神经网络，卷积网络，递归网络，长期短期记忆网络（LSTM）和自动编码器。

训练深度神经网络的技巧。

对于大数据集缩放神经网络。

强化学习。

第一部分主要基于 scikit-learn ，而第二部分则使用 TensorFlow 。

翻译截图如下：

中文翻译截图

源代码截图：

源代码截图

总结

本文根据github公开的资料进行整理，提供机器学习入门的好书《机器学习实战：基于Scikit-Learn和TensorFlow》的中文翻译文件和源代码下载。