Kirk Borne

💥Scikit-learn 使用指南——Python 中使用 scikit-learn 的 80 多个机器学习实例 [第 3 版]：https://t.co/Z32D8jOzxC 目录： 🔹Scikit-Learn 的常用约定与 API 元素 🔹模型前的工作流程和数据预处理 🔹降维技术 🔹使用距离度量和最近邻构建模型 🔹线性模型与正则化 🔹高级逻辑回归及扩展 🔹支持向量机与核方法 🔹基于树的算法与集成方法 🔹文本处理与多分类 🔹聚类技术 🔹新颖性和异常检测 🔹交叉验证与模型评估技术 🔹在生产中部署Scikit-Learn模型 我的评价（在亚马逊上）: 我喜欢这本书，不仅因为它精彩的内容，还因为它对“食谱”标签的出色遵循。目录看起来重复，但这正是它的魔力。找到你想“烹饪”的算法、方法或应用，书中的呈现方式从一章到另一章都遵循统一的格式。这是一种非常实用、有用且对读者友好的风格，按照 适合目标受众：任何需要使用（或正在学习如何使用）特定 Scikit-learn 工具来完成基于 Python 的机器学习任务的人。因此，这不仅非常适合个人使用，也非常适合培训研讨会和其他教育环境。在烹饪书式的上下文中，Python 代码从未看起来如此出色。依我之见。