在學習和研究機器學習的時候，面臨令人眼花繚亂的算法，機器學習新手往往會不知所措。本書從算法和Python語言實現的角度，幫助讀者認識機器學習。
本書專注於兩類核心的「算法族」，即懲罰線性回歸和集成方法，並通過代碼實例來展示所討論的算法的使用原則。全書共分為7章，詳細討論了預測模型的兩類核心算法、預測模型的構建、懲罰線性回歸和集成方法的具體應用和實現。
本書主要針對想提高機器學習技能的Python開發人員，幫助他們解決某一特定的項目或是提升相關的技能。
MichaelBowles在硅谷黑客道場教授機器學習，提供機器學習項目咨詢，同時參與了多家創業公司，涉及的領域包括生物信息學、金融高頻交易等。他在麻省理工學院獲得助理教授教職后，創建並運營了兩家硅谷創業公司，這兩家公司都已成功上市。他在黑客道場的課程往往聽者雲集並且好評頗多。
本書專注於兩類核心的「算法族」，即懲罰線性回歸和集成方法，並通過代碼實例來展示所討論的算法的使用原則。全書共分為7章，詳細討論了預測模型的兩類核心算法、預測模型的構建、懲罰線性回歸和集成方法的具體應用和實現。
本書主要針對想提高機器學習技能的Python開發人員，幫助他們解決某一特定的項目或是提升相關的技能。
MichaelBowles在硅谷黑客道場教授機器學習，提供機器學習項目咨詢，同時參與了多家創業公司，涉及的領域包括生物信息學、金融高頻交易等。他在麻省理工學院獲得助理教授教職后，創建並運營了兩家硅谷創業公司，這兩家公司都已成功上市。他在黑客道場的課程往往聽者雲集並且好評頗多。