工欲善其事，必先利其器！今天给大家推荐一本不错的 Python 机器学习教程，言简意赅，通俗易懂！就是这本《Python Machine Learning》(2nd)，中文译为《Python 机器学习》（第二版）。
如今更新的是第二版，它的第一版长这样：
本书作者
该书的作者 Sebastian Raschka 有多年的 Python 编码经验，他还举办了几次关于数据科学、机器学习和深度学习的实践应用的研讨会，包括在 Scipy 的机器学习教程。他是威斯康星-麦迪逊大学统计学助理教授，专注于深度学习和机器学习研究。
内容简介
这本书本身知名度很高，书籍质量也很高，简单来说就是简易、实用、不枯燥。本书使用了 Scikit-Learn 和 TensorFlow，分别讲解机器学习和深度学习，并每章配备实操代码。还有一点是讲解了如何将机器学习模型发布到 Web 应用。整个知识体系相对更加完善，是一本比较全面的机器学习书籍。
值得一提的是第二版在第一版的基础上增加了不少新的内容，完整的书籍目录如下：
- 1. Giving Computers the Ability to Learn from Data
- 2. Training Machine Learning Algorithms for Classification
- 3. A Tour of Machine Learning Classifiers Using Scikit-Learn
- 4. Building Good Training Sets – Data Pre-Processing
- 5. Compressing Data via Dimensionality Reduction
- 6. Learning Best Practices for Model Evaluation and Hyperparameter Optimization
- 7. Combining Different Models for Ensemble Learning
- 8. Applying Machine Learning to Sentiment Analysis
- 9. Embedding a Machine Learning Model into a Web Application
- 10. Predicting Continuous Target Variables with Regression Analysis
- 11. Working with Unlabeled Data – Clustering Analysis
- 12. Implementing a Multi-layer Artificial Neural Network from Scratch
- 13. Parallelizing Neural Network Training with TensorFlow
- 14. Going Deeper: The Mechanics of TensorFlow
- 15. Classifying Images with Deep Convolutional Neural Networks
- 16. Modeling Sequential Data Using Recurrent Neural Networks
随书代码
值得高兴的是，作者 Sebastian Raschka 开源了《Python 机器学习》第二版的所有章节中的 Python 代码，放在了 GitHub 仓库中。
源码地址：
https://github.com/rasbt/python-machine-learning-book-2nd-edition
目前，该 GitHub 项目已经获得 4000+ 的 star 了，热度很高。
整个 16 章中的 Python 代码是以 .ipynb 文件格式给出，我们可以很方便地使用 Jupyter Notebook 来查看和运行相应的代码，非常方便。
书籍下载
为了方便大家阅读，小编整理了该书的第一版和第二版 pdf 文件，获取地址如下：
链接：
https://pan.baidu.com/s/1w-RDD7dkGaUJm3L9vFhnrQ
提取码：9e4u
赶紧下载学习吧！
