书籍介绍
本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。
目录
用户评论
强推，需要一定的python和机器学习的基础，里面没有理论只有实际运用，内容哪里过时了？基于python3.5的机器学习书，这本书已经走在很前面了。
翻译的太差了, 稀里糊涂 说什么都不知道.中午都语法不通.还不如看 官方 文档
很经典
结构非常好，条理很清晰。python机器学习的书里面目前最喜欢这本。
机器学习的入门书，通过这本书可以对机器学习建立感性认识。如果只是学习机器学习的理论推导，无法深刻理解各种数据处理方法带来的效果，通过Scikit-Learn和这本书可以快速建立起这种理解。
不得不说18年的教材要比20年出的还好
监督，非监督，分类，聚类，回归，准备二刷吧
很适合我的一本书，读完受益匪浅
书名是Python基础教程自然用最基础入门的方式讲解了，入门太实用了，说过时和简单的是做机器学习的吗？看书都不看书名能做好吗？
整体内容比较浅显，主要是对sklearn的调包实现与一些算法的直观解释；内容上pipeline一章还算是有所启发。这本书比较适合从来没接触过机器学习的同学，应付应付通识性质的机器学习课程作业或许勉强足够。如果要继续深入，则还是有很长的路要走。
阅读时长不建议花太久，核心代码并不多，大部分代码以模型的可视化为主，有个sense即可。