Python机器学习算法 赵志勇 中文pdf_Python教程
资源名称： 机器学习算法 赵志勇 中文 第一部分分类算法 支持向量机 随机森林 神经网络 第二部分回归算法 线性回归 岭回归和 回归 树回归 第三部分聚类算法 第四部分推荐算法 协同过滤算法 基于矩阵分解的推荐算法 基于图的推荐算法 文献 第五部分深度学习 卷积神经网络 第六部分项目实践 微博精准推荐 资源截图：
学习
Python机器学习 完整pdf_Python教程
资源名称： 机器学习 完整 第 章 赋予计算机学习数据的能力 构建智能机器将数据转化为知识 机器学习的三种不同方法 通过监督学习对未来事件进行预测 通过强化学习解决交互式问题 通过无监督学习发现数据本身潜在的结构 基本术语及符号介绍 构建机器学习系统的蓝图 数据预处理 选择预测模型类型并进行训练 模型验证与使用未知数据进行预测 在机器学习中的应用 本章小结 第 章 机器学习分类算法 人造神经元 早期机器学习概览 使用 实现感知器学习算法 自适应线性神经元及其学习的收敛性 通过梯度下降最小化代价函数 使用
Python学习手册（中文第四版） 完整PDF_Python教程
资源名称： 学习手册（中文第四版） 完整 第 章 问答环节 人们为何使用 软件质量 开发效率 是 脚本语言 吗 好吧， 的缺点是什么呢 如今谁在使用 使用 可以做些什么 系统编程 用户图形接口 脚本 组件集成 数据库编程 快速原型 数值计算和科学计算编程 游戏、图像、人工智能、 、机器人等 如何获得支持 有哪些技术上的优点 面向对象 免费 可移植 功能强大 可混合 简单易用 简单易学 和其他语言比较起来怎么样 本章小结 本章习题 习题解答 是工程，不是艺术 第 章 如何运行程序 解释器简介 程序执行 程序
Python零基础入门学习-水木书荟 （小甲鱼著） 中文pdf_Python教程
资源名称： 零基础入门学习 水木书荟 小甲鱼著 中文 第 章就这么愉快地开始吧第 章用 设计第一个游戏第 章成为高手前必须知道的一些基础知识第 章了不起的分支和循环第 章列表、元组和字符串第 章函数第 章字典和集合第 章永久存储第 章异常处理第 章图形用户界面入门第 章类和对象第 章魔法方法第 章模块第 章论一只爬虫的自我修养第 章 的最终选择： 第 章 ： 游戏开发 资源截图：
深入浅出深度学习 原理剖析与Python实践 中文pdf_Python教程
资源名称：深入浅出深度学习 原理剖析与 实践 中文 第 部分 概要 绪论 基础 第 部分 数学与机器学习基础篇 线性代数基础 概率统计基础 概率图模型 机器学习基础 谱聚类 数值计算与最优化 第 部分 理论与应用篇 前馈神经网络 反向传播与梯度消失 自编码器及其相关模型 玻尔兹曼机及其相关模型 递归神经网络 卷积神经网络 资源截图：
Python机器学习实践指南 附随书代码 中文pdf_Python教程
资源名称： 机器学习实践指南 附随书代码 中文 第 章 机器学习的生态系统 第 章构建应用程序，发现低价的第 章构建应用程序，发现低价的第 章使用逻辑回归预测 市场 第 章创建自定义的新闻源 第 章预测你的内容是否会广为第 章使用机器学习预测股票市场 第 章建立图像相似度的引擎 第 章打造聊天机器人 第 章构建推荐引擎 资源截图：
机器学习 （周志华 著） 学习笔记 中文完整高清版_Python教程
资源名称：机器学习 周志华 著 学习笔记 中文完整高清版 第 章 引言 基本术 假设空间 归纳偏好 发展历程 应用现状 阅读材料 习题 参考文献 休息一会儿 第 章 模型评估与选择 经验误差与过拟合 评估方法 留出法 交叉验证法 自助法 调参与最终模型 性能度量 错误率与精度 查准率、查全率与 与 代价敏感错误率与代价曲线 比较检验 假设检验 交叉验证 检验 检验 检验与后续检验 偏差与方差 阅读材料 习题 参考文献 休息一会儿 第 章 线性模型 基本形式 线性回归 对数几率回归 线性判别分析 多分类学习
Python机器学习 预测分析核心算法 中文pdf_Python教程
资源名称： 机器学习 预测分析核心算法 中文 第 章 关于预测的两类核心 第 章 通过理解数据来了解 第 章 预测模型的构建：平衡性 第 章 惩罚线性回归模型第 章 使用惩罚线性方法来 第 章 集成方法第 章 用 构建集成 资源截图：
Python机器学习及实践：从零开始通往Kaggle竞赛之路 完整pdf_Python教程
资源名称： 机器学习及实践：从零开始通往 竞赛之路 完整 机器学习及实践 目录 第 章 简介篇 第 章 基础篇 第 章 进阶篇 第 章 实战篇 资源截图：