《机器学习实践》源码和《机器学习-算法原理与编程实践》源码以及学习心得
This is the source code to go with "Machine Learning in Action" by Peter Harrington published by Manning Inc. The official page for this book can be found here: http://manning.com/pharrington/
All the code examples were working on Python 2.6, there shouldn't be any problems with the 2.7.
NumPy will be needed for most examples.
If you have trouble running any of the examples us know on the Forum for this book: http://www.manning-sandbox.com/forum.jspa?forumID=728.
If you want to run these on some other version of Python say--3.0 or IronPython, feel free to fork the code.
Ch02--Ch15是Machine Learning in Action这本书的代码。
BPNet、JQXITest、LogisticRegression、Prediction这部分是我在学习机器学习-算法原理与编程实践这本书时的文件。
BPNet是神经网络一章的代码文件。
LogisticRegression是梯度寻优一章的代码文件。
Prediction是预测的技术与哲学一章的代码文件。
机器学习内容涉及广泛，《高数》、《概率论》、《线性代数》、《矩阵论》、《随机过程》等内容。
大家如果感兴趣这方面的内容，就我目前所学习的过程，写一些心得。希望帮助大家。
首先推荐大家学习python. python非常简单。分python2.x和python3.x。没有多大的差别。随便挑一个学习就成。
只不过需要注意的是，python2.x要早于python3.x。导致了一些第三方库没有python3.x的版本。
但是主流的python第三方库都已经有了python3.x版本了。
所以大家也不用担心。一般来说随便选一个版本学习就成。影响不大。
代码中我使用的是python2.7版本。
python书籍推荐：
《python核心编程》
这本书比较简单。随手有点厚，看的会很快。
另外，现在在科学计算中，R语言也用的人不少。并且安装起来比matlab要方便很多，软件也不大。如果感兴趣的话，使用R语言也可以。
机器学习设计内容比较多，算法众多，各有特点。首先推荐书吧。
《模式识别与机器学习》
这本书不推荐。这本书是有马春鹏翻译的，里面的内容非常理论化，没有代码。虽说挺好的， 但是一般初学者真心驾驭不了!!
《集体智慧编程》
这本书代码丰富，但是缺少理论。网上对这本书评价还挺好的。但是对于初学者来说，不推荐这本书。 因为这本书太不理论了！！为什么这么说呢？因为在代码中，如果我们不知道理论公式的推导和又来，那么代码是如何来的呢？ 如果没有这些理论基础，即使代码写的再好，也不明所以！
《机器学习算法原理与编程实战》
这本书是2015年11月出版，比较新。有理论有代码。我本人买了一本，在学习中。
我比较推荐这本书给初学者。
虽然这本书是我推荐的，但是这本书问题也不少。虽然这本书有理论，但是理论部分太浅，跳跃性太大，初学者难以过度，
看书的过程中，你要搜索大量的内容来支撑书中的内容，这样才能理解公式的由来和推导。并且，书中不少地方的公式推导，
虽说能看懂，但是明显符号位置都是错的，这就需要亲手推导一遍看看书中的对，还是自己的对。
虽然这本书优缺点，但是不失为入门学习的比较好的书！
这本书的代码下载地址：http://www.threedweb.cn/data/attachment/bigupload/MLBook.rar
代码中包含了本书的全部代码和实验数据。还是挺全的。
《机器学习实战》
这本书也值得推荐。这本书的源码地址：https://github.com/pbharrin/machinelearninginaction 这本书网上评价也挺高的，有理论有代码有实践。由于我没有买书，看的是电子书，个人觉得挺好的。
《数学之美》
这本书强烈推荐！我在很多地方都有看到关于这本书的推荐和评价。相当高。我稍微看了电子档，貌似代码实践比较欠缺， 所以对于初学者不推荐这本书。如果有一定基础，这本书必看！！