Python机器学习及实践

这本书还可以，虽然比较基础。

如果想要贴近实战，我这里分享一个实战案例课程https://pan.baidu.com/s/1yO2cS7Y1xKcZHpIMsK5GCA，从头到尾，代码实操讲解，真实数据。

本书的三个关键词，python，机器学习和kaggle都是极其热门的，而且应该是市面上介绍kaggle的首批出版书籍。本书有数位牛人写推荐语，作者写书的态度也是认真的，但是对于入门python，入门机器学习都不太适合，市面上有更好的书籍。对于入门“如何用python做kaggle上的一些入门机器学习项目“，作者做了积极和值得肯定的努力

2.1.1.1 线性分类器: 尽管受限于数据特征和分类目标之间的线性假设，仍可以将其表现性能作为基准

问题：为什么希望逻辑斯蒂模型在这组训练集上取得最大似然估计的函数 L 的形式为 （4）？

为了学习到决定模型的参数：系数 w 和截距 b。我们使用：

1。 精确计算的解析算法： 计算时间长但模型性能略高

2。 快速估计的随机梯度法 SGDClassifier： 计算时间短，模型性能略低。（如用于训练规模在10万量级以上的数据）

判断良\恶性肿瘤细胞的例子中：无缺失值的数据样本有 683条。 特征有9个维度，每个维度取值在 1——10之间。