大多數(shù)機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)書籍都專注于編寫結(jié)構(gòu)化代碼，并依賴于在示例之間復(fù)制和粘貼代碼。另一方面，Python機(jī)器學(xué)習(xí)引入了面向?qū)ο蟮母拍顏韯?chuàng)建簡(jiǎn)潔且可重用的代碼，這是我真正喜歡的。

當(dāng)然，對(duì)于不熟悉繼承，抽象和多態(tài)性等概念的開發(fā)人員，OOP的引入使本書變得更加復(fù)雜。但是有可能，如果您想在構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用程序方面取得成功，就需要OOP技能。

Python機(jī)器學(xué)習(xí)還提供了sklearn的強(qiáng)大層次分解。這將幫助您更好地理解和利用您將在機(jī)器學(xué)習(xí)項(xiàng)目中經(jīng)常使用的Python庫(kù)之一的功能。

DIY機(jī)器學(xué)習(xí)方法

Python機(jī)器學(xué)習(xí)真正吸引人的一件事是對(duì)機(jī)器學(xué)習(xí)庫(kù)的某些基本組件進(jìn)行的自行完成方法。您可以從頭開始創(chuàng)建自己的感知器類，這使您對(duì)神經(jīng)網(wǎng)絡(luò)的工作方式有了非常扎實(shí)的認(rèn)識(shí)。稍后，您將在感知器的組件上進(jìn)行構(gòu)建，以了解其他神經(jīng)網(wǎng)絡(luò)概念，例如隨機(jī)梯度下降(SGD)，反向傳播和卷積。我看過幾本解釋神經(jīng)網(wǎng)絡(luò)工作原理的書和課程，但這是到目前為止我所見過的最全面，最動(dòng)手的文字。

您還可以重新創(chuàng)建一些基本的機(jī)器學(xué)習(xí)算法，例如主成分分析(PCA)，這可以幫助您更好地掌握算法的每個(gè)超參數(shù)的效果。您在本書中構(gòu)建的自定義算法效率不高，僅用于教育目的。然后，Python Machine Learning的作者在Scikit-learn和TensorFlow中介紹了這些算法的等效項(xiàng)。

您將在Python機(jī)器學(xué)習(xí)中找到的另一個(gè)很棒的功能是一章，它引導(dǎo)您完成將機(jī)器學(xué)習(xí)算法集成到實(shí)際應(yīng)用程序中的過程。您將創(chuàng)建一個(gè)由后端中的機(jī)器學(xué)習(xí)算法支持的Web應(yīng)用程序。公平地講，該應(yīng)用程序是粗糙的，但重點(diǎn)是要說明這些不同部分如何組合在一起，并且作者在此方面做得很好。

豐富的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法

在評(píng)估機(jī)器學(xué)習(xí)書籍時(shí)，要考慮的一件事是您要探索的算法花名冊(cè)。在這方面，Python機(jī)器學(xué)習(xí)并不令人失望。它帶您了解基本的有監(jiān)督和無監(jiān)督機(jī)器學(xué)習(xí)算法，例如線性和邏輯回歸，支持向量機(jī)，決策樹和隨機(jī)森林以及k均值聚類。除此之外，它還增加了一些討論較少的算法，例如聚集聚類和DBSCAN。

其中很多可能與您在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)入門書籍中已經(jīng)閱讀的內(nèi)容重疊，但是非常歡迎Python機(jī)器學(xué)習(xí)為每個(gè)主題帶來的深度。

Python機(jī)器學(xué)習(xí)還將帶您了解入門書籍中找不到的一些算法和功能，例如使用mlextend可視化不同數(shù)據(jù)集特征之間的相關(guān)性或?qū)貧w模型進(jìn)行全面評(píng)估。

本書的深度學(xué)習(xí)部分提供了許多有用的理論材料和有關(guān)不同類型的神經(jīng)網(wǎng)絡(luò)的動(dòng)手經(jīng)驗(yàn)。您將通過TensorFlow和Keras使用完全連接的，循環(huán)的和卷積神經(jīng)網(wǎng)絡(luò)。這本書包含一個(gè)完整的部分，直觀地解釋了TensorFlow組件背后的邏輯，該主題通常很難引起您的注意。

與本書的其余部分一樣，深度學(xué)習(xí)部分也是由示例驅(qū)動(dòng)的。在本書的最后，您將訪問一些高級(jí)結(jié)構(gòu)，例如變壓器和生成對(duì)抗網(wǎng)絡(luò)。關(guān)于強(qiáng)化學(xué)習(xí)，還有一個(gè)介紹性的章節(jié)，您將在其中使用流行的OpenAI Gym庫(kù)。

讓人有些失望的是自然語(yǔ)言處理的RNN部分，其中示例代碼突然結(jié)束，而沒有測(cè)試模型的部分。

總結(jié)思想

與以前的版本一樣，Python機(jī)器學(xué)習(xí)第三版對(duì)于那些已經(jīng)精通機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)基礎(chǔ)知識(shí)的開發(fā)人員來說是一本很好的書。它不會(huì)使您成為準(zhǔn)備以六位數(shù)的薪水準(zhǔn)備就緒的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)專家，但它無疑將為機(jī)器學(xué)習(xí)的更高級(jí)探索奠定基礎(chǔ)。

下一步是什么?根據(jù)您感興趣的領(lǐng)域，我建議您選擇一本專門針對(duì)計(jì)算機(jī)視覺，自然語(yǔ)言處理或強(qiáng)化學(xué)習(xí)的書或課程。