update: 2017-06-08

在工作生活中，会有同事朋友初入门机器学习，希望推荐下这方面的信息。为了一劳永逸，打算梳理下比较好的书籍，及Python生态圈常用的库，以供参考。

A. 书籍

入门书籍强烈推荐An Introduction to Statistical Learning with Application in R。概览目前常用的机器学习算法，一本足矣。唯一的遗憾是这本书都是R代码，建议最好给合Python机器学习库scikit-learn: User Guide，边学边试。

如果不满足，它有本姊妹版The Elements of Statistical Learning: Data Mining, Inference, and Prediction，注重数理，难度很高。适合喜欢挑战的朋友。

如果是深度学习，入门可以看斯坦福2017季CS231n深度视觉识别课程视频，讲得很好，清晰明了。也可以读Deep Learning，深入浅出，比较容易读懂，非官方PDF版。

B. 必备工具

  • Anaconda发行版：专注于数据科学的Python发行版。即使Linux/Mac原生自带Python，也请安装使用它。原因是有二：

    1. 提供的conda包管理器，可以简单又正确地装好后续推荐的库。详见Managing packages。

    2. 支持建立不同的环境，并自由切换。详见Managing Python。

  • Jupyter Notebook：这是交互式环境，边写边改边看结果，非常便利。因为Anaconda发行版自带此包，无需安装。输入如下命令即启动：

    jupyter notebook

    使用效果见这篇笔记：决策树简介和 Python 实现。

C. 常用库

0.1 数据处理

  • Pandas：非常好用的数学分析库。它的文档详尽又丰富，强烈建议认真看一遍。 
    # 安装
conda install pandas
  • Seaborn：数据可视化。制图很美观，有利于提升逼格。 
    # 安装
conda install seaborn

0.2 机器学习

  • scikit-learn：流行的机器学习库，单机版。文档详尽，生态丰富，入手门槛较低。

    # 安装
conda install scikit-learn
  • PySpark：流行的工业用机器学习库，分布式版。官方文档有限，入手门槛较高。
  • TensorFlow：大热的深度学习库。抽象比较低级，文档散，入手门槛高。 
    conda install -c conda-forge tensorflow

D. 扩展

0.1 数学运算

  • Numpy：数值计算库，偏底层。
  • Scipy：科学计算库，偏底层。

0.2 文字处理

  • Jieba：中文分词库。

0.3 图像处理

  • OpenCV：流行的图像处理库。