本書介紹了使用Python進行數(shù)據(jù)分析和高效的機器學習，首先從一節(jié)Python速成課開始，然后回顧統(tǒng)計學和概率論的基礎(chǔ)知識，接著深入討論與數(shù)據(jù)挖掘和機器學習相關(guān)的60多個主題，包括貝葉斯定理、聚類、決策樹、回歸分析、實驗設(shè)計等。

作者簡介:
Frank Kane，Sundog Software公司創(chuàng)始人，曾在Amazon和IMDb工作近9年，在分布式計算、數(shù)據(jù)挖掘和機器學習等領(lǐng)域持有17項專利。

目錄:
第 1 章 入門 1
第　2 章 統(tǒng)計與概率復習以及Python實現(xiàn)　29
第　3 章 Matplotlib與概率高級概念　61
第　4 章 預測模型　89
第　5 章 使用Python進行機器學習　105
第　6 章 推薦系統(tǒng)　141
第　7 章 更多數(shù)據(jù)挖掘和機器學習技術(shù)　168
第　8 章 處理真實數(shù)據(jù)　189
第　9 章 Apache Spark——大數(shù)據(jù)上的機器學習　212
第　10 章 測試與實驗設(shè)計　

上述已打包整理好，獲取方式如下：

1.一鍵三連+關(guān)注

2.后臺主動留下痕跡：“電子書”（重點）??