摘要：
练习 6：find 原文：Exercise 6: find 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 希望你正在发现阻碍自己的各种方式，甚至在你开始工作之前。也许这不是戏剧性的，但你至少应该确定你在环境中可以改善的东西，它们使你难以开始工作。这些小练习是你专注于开始的一个 阅读全文
摘要：
练习 5：cat 原文：Exercise 5: cat 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 做完练习 4，你开始了解阻碍你的东西。spike 研究是一个简单的挑战，即如何从用户获取命令行参数。练习的真正目的是记录实验笔记，了解你需要做什么来开始。你有没有发现需要改变 阅读全文
摘要：
练习 4：处理命令行参数 原文：Exercise 4: Dealing with Command Line Arguments 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 在你能处理本书的第一部分之前，你需要完成一些简单的黑魔法，教你如何使用 Python 中的命令行参数。 阅读全文
摘要：
1.1 命题逻辑 原文：Foundations of Computation 译者：飞龙 协议：CC BY-NC-SA 4.0 自豪地采用谷歌翻译 一个命题是一个或真或假的陈述。 在命题逻辑中，我们将命题看做基础，看看我们能做什么。 既然这是数学，我们需要能够谈论命题，而不是说我们在说什么特定的命题 阅读全文
摘要：
5.8 决策树和随机森林 原文：In-Depth: Decision Trees and Random Forests 译者：飞龙 协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。 之前，我们深入研究了简单的生成分类器（见朴素贝叶斯分类）和强大的辨别分类器（ 阅读全文
摘要：
5.7 支持向量机 支持向量机（SVM）是一种特别强大且灵活的监督算法，用于分类和回归。 在本节中，我们将探索支持向量机背后的直觉，及其在分类问题中的应用。 我们以标准导入开始： %matplotlib inline import numpy as np import matplotlib.pypl 阅读全文
摘要：
5.6 线性回归 原文：In Depth: Linear Regression 译者：飞龙 协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。 就像朴素贝叶斯（之前在朴素贝叶斯分类中讨论）是分类任务的一个很好的起点，线性回归模型是回归任务的一个很好的起点。 这 阅读全文
摘要：
5.2 Scikit-Learn 简介 原文：Introducing Scikit-Learn 译者：飞龙 协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。 有几个 Python 库提供一系列机器学习算法的实现。最著名的是 Scikit-Learn，一个提供 阅读全文
摘要：
5.1 什么是机器学习 原文：What Is Machine Learning? 译者：飞龙 协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。 在我们查看机器学习方法的各种细节之前，先了解什么是机器学习，什么不是。机器学习通常被归类为人工智能的一个子领域，但 阅读全文
摘要：
5.5 朴素贝叶斯分类 原文：In Depth: Naive Bayes Classification 译者：飞龙 协议：CC BY-NC-SA 4.0 译文没有得到原作者授权，不保证与原文的意思严格一致。 前四节对机器学习概念进行了总体概述。 在本节和随后的一节中，我们将仔细研究几种具体的监督和无 阅读全文