微信读书

Python算法详解

张玲玲

内容提要：本书循序渐进、由浅入深地讲解Python算法的核心技术，并通过具体实例的实现过程演练各个知识点的具体使用流程。全书共13章，包括算法，数据结构，常用的算法思想、线性表、队列和栈，树，图，查找算法，内部排序算法，经典的数据结构问题，数学问题的解决，经典算法问题的解决，图像问题的解决，游戏和算法等内容。 本书不但适合研究和学习算法的初学者，也适合有一定算法基础的读者，还可以作为大中专院校相关专业师生的学习用书和培训学校的教材。

Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现(博文视点出品)

何宇健

Python与机器学习这一话题是如此的宽广，仅靠一本书自然不可能涵盖到方方面面，甚至即使出一个系列也难能做到这点。单就机器学习而言，其领域就包括但不限于如下：有监督学习（Supervised Learning），无监督学习（Unsupervised Learning）和半监督学习（Semi-Supervised Learning）。而具体的问题又大致可以分两类：分类问题（Classification）和回归问题（Regression）。Python本身带有许多机器学习的第三方库，但《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》在绝大多数情况下只会用到Numpy这个基础的科学计算库来进行算法代码的实现。这样做的目的是希望读者能够从实现的过程中更好地理解机器学习算法的细节，以及了解Numpy的各种应用。不过作为补充，《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》会在适当的时候应用scikit-learn这个成熟的第三方库中的模型。《Python与机器学习实战：决策树、集成学习、支持向量机与神经网络算法详解及编程实现》适用于想了解传统机器学习算法的学生和从业者，想知道如何高效实现机器的算法的程序员，以及想了解机器学习的算法能如何进行应用的职员、经理等。