因B站專欄目前只支持內(nèi)部鏈接，文中外鏈均被消掉，詳細(xì)原文請(qǐng)移步：

- 知乎專欄：https://zhuanlan.zhihu.com/p/642019175

-?博客：https://facaiy.com/misc/2017/06/04/ml-library-of-python.html

在工作生活中，會(huì)有同事朋友初入門(mén)機(jī)器學(xué)習(xí)，希望推薦下這方面的信息。為了一勞永逸，打算梳理下比較好的書(shū)籍，及Python生態(tài)圈常用的庫(kù)，以供參考。

A. 書(shū)籍

入門(mén)書(shū)籍強(qiáng)烈推薦An Introduction to Statistical Learning with Application in R，官網(wǎng)提供了英文原版下載，非常良心。概覽目前常用的機(jī)器學(xué)習(xí)算法，一本足矣。唯一的遺憾是這本書(shū)都是R代碼，建議最好給合Python機(jī)器學(xué)習(xí)庫(kù)scikit-learn: User Guide，邊學(xué)邊試。

如果不滿足，它有本姊妹版The Elements of Statistical Learning: Data Mining, Inference, and Prediction，同樣官網(wǎng)有英文版下載。這本書(shū)注重?cái)?shù)理，難度很高，適合喜歡挑戰(zhàn)的朋友。

如果是深度學(xué)習(xí)，入門(mén)可以看斯坦福2017季CS231n深度視覺(jué)識(shí)別課程視頻，講得很好，清晰明了。書(shū)籍建議讀Deep Learning，深入淺出，容易讀懂，官方提供了html版本，民間基于此制作了PDF版本，熱心網(wǎng)友開(kāi)源翻譯了中文版deeplearningbook-chinese（下載PDF閱讀）。

B. 必備工具

• Anaconda發(fā)行版：專注于數(shù)據(jù)科學(xué)的Python發(fā)行版。即使Linux/Mac原生自帶Python，也請(qǐng)安裝使用它。原因是有二：
  

• 提供的conda包管理器，可以簡(jiǎn)單又正確地裝好后續(xù)推薦的庫(kù)。詳見(jiàn)Managing packages。
  

• 支持建立不同的環(huán)境，并自由切換。詳見(jiàn)Managing Python。
  

• Jupyter Notebook：這是交互式環(huán)境，邊寫(xiě)邊改邊看結(jié)果，非常便利。因?yàn)锳naconda發(fā)行版自帶此包，無(wú)需安裝。輸入如下命令即啟動(dòng)：

jupyter notebook

C. 常用庫(kù)

0.1 數(shù)據(jù)處理

• Pandas：非常好用的數(shù)學(xué)分析庫(kù)。它的文檔詳盡又豐富，強(qiáng)烈建議認(rèn)真看一遍。官方入門(mén)文檔：10 Minutes to pandas。

conda install pandas

• Seaborn：數(shù)據(jù)可視化。制圖很美觀，有利于提升逼格。官方文檔也很棒。

conda install seaborn

0.2 機(jī)器學(xué)習(xí)

• scikit-learn：流行的機(jī)器學(xué)習(xí)庫(kù)，單機(jī)版。文檔詳盡，生態(tài)豐富，入手門(mén)檻較低。

conda install scikit-learn

• PySpark：流行的工業(yè)用機(jī)器學(xué)習(xí)庫(kù)，分布式版。官方文檔有限，入手門(mén)檻較高。python版本易學(xué)易用，scala/python版本建議學(xué)有余力也好好試試。安裝見(jiàn)官方說(shuō)明。

• TensorFlow：大熱的深度學(xué)習(xí)庫(kù)。1.x版本抽象比較低級(jí)，文檔散，入手門(mén)檻高；2.x版本默認(rèn)eager模式后易學(xué)易用。安裝詳細(xì)見(jiàn)官方文檔。

conda install -c conda-forge tensorflow

D. 擴(kuò)展

0.1 數(shù)學(xué)運(yùn)算

• Numpy：數(shù)值計(jì)算庫(kù)，偏底層。

• Scipy：科學(xué)計(jì)算庫(kù)，偏底層。

0.2 文字處理

• Jieba：中文分詞庫(kù)。

0.3 圖像處理

• OpenCV：流行的圖像處理庫(kù)。