非常好的python机器学习书！零、前言处理，清洗和准备数据。选择和设计特征。使用交叉验证选择一个模型并调整超参数。机器学习的主要挑战，特别是欠拟合和过拟合（偏差和方差权衡）。对训练数据进行降维以对抗thecurseofdimensionality（维度诅咒）最常见的学习算法：线性和多项式回归，Logistic回归，k-最近邻，支持向量机，决策树，随机森林和集成方法。第二部分，神经网络和深度学习，包括以下主题：什么是神经网络？它们有啥优势？使用TensorFlow构建和训练神经网络。最重要的神经网络架构：前馈神经网络，卷积网络，递归网络，长期短期记忆网络（LSTM）和自动编码器。训练深度神经网络的技巧。对于大数据集