一 扎实python基础
要想把机器学习用起来，就得先掌握python的基础，诸如import、对象等的一些概念和使用要了然于心，否则基础不扎实的话，就会面临很多琐碎的问题。对于python基础的掌握，推荐慕课网教程，个人听过感觉还不错。 当然，书籍方法的话推荐《Python编程 从入门到实践》，此书可以充当字典，遇到不会的可以多翻翻。
二 熟悉掌握python常用的机器学习包
python提供了很多可以很好支出程序进行矩阵、线性和统计等的数学运算，像大部分机器学习的开发者都熟悉的Scikit Learn包一样，里面封装了很多算法，可以让大家事半功倍。但也相应的需要大家花时间去了解里面包的使用，在这里推荐去官网看（https://scikit-/stable），里面也提供了很多例子供大家参考和研习。当然，也可以购买相应的书籍，这里推荐《机器学习实战：基于Scikit-Learn和TensorFlow》。此书涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者掌握Scikit-Learn的常用方法；探讨深度学习和常用框架TensorFlow，一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。
三 掌握真正的内功算法
机器学习需要使用的算法是很多的，虽然前辈们已经为大家留下了各种包方便大家使用，但真正解决机器学习开发者级别的，还在于内功的深厚，也就是算法。 只有真正的弄懂了算法，在开发的过程中才能真正的知其然而又知其所以然。 懂得了算法，你才能知道为什么需要这样做，为什么那样做会产生那样的结果，如何更好的调参等。 如果没有算法做铺垫，很快就会迷失在调包的迷雾中，很难更近一步的往上。 在这里，推荐你去看吴恩达机器学习课程，这门课程在网易公开课上也有。 同时，也建议你去看机器学习的入门教材，也就是周志华出的《机器学习》，此书对于新手来说也算是一件宝物。在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章，大致分为3 个部分：此书介绍机器学习的基础知识；讨论了—些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）后期还涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。
学习的路上切记浮躁，要一步步的基础打捞了，才能以不变应万变。
最后祝你早日成为大佬。
简评：Python 官方有一个推荐书单「
」，这里面涵盖了从初学到入门再到精通（并没有到放弃）的各个阶段，最好的学习书籍。
一：初学编程，这些书籍适合你（前三名）：二：中级 Python 程序员：
掌握语言：
实践：
三：相关书籍四：专项书籍（这个分类太多偶就贴机器学习和 AI 了，其他自己看吧）Python 的机器学习和 AI五：有经验的程序员学 Python 可以看
记得关注哦。另外除了书本想要是视频用来学习的，关注私聊偶，发送“python”就行咯。
推荐书籍：《python编程从入门到实践》，需要电子版，可以直接在偶主页私信发送书名，系统会给你发云盘链接。
看到有位老哥说看书基本上没什么用，个人觉得，一个作者能写一本书，也就是说他对这一方面有了一定的系统概括，看完了整本书绝对有很大收获，关键是怎么看，尤其是看这类技术书籍，建议先快速整体看一遍，不用每一个地方都要跟着敲代码，而是明白其能做什么、怎么做，有了大概了解后，后面实战了，再一点点内化就可以了。
举个例子：如果你看完上面推荐的书，你就可以对python可以用来做什么以及怎么做有了大概了解，后面你想用python来开发网站，那么就会想起这本书上面有介绍了可以用django来开发，随后你可能需要的是去官网看看文档、看看其他博主写的博客，就可以自己动手了。
1、Python自身的优势。
Python简单易学可读性强，一段好的代码，阅读起来像是在读一篇外语文章，可以使你只关心完成什么工作任务，而不是纠结于Python语法。除此之外，它还拥有非常多优秀的库可用于数据分析，目前超过125,000的第三方Python库，对于像pandas，NumPy和matplotlib这样以数据为中心的库，任何懂Python语法规则的人都可以操作部署。最重要的是它是免费开源的！！
2、Python与其他数据分析工具的对比。
（1）Python处理Excel表格，是通过调用模块，处理这些数据并生成报表。相比Excel，Python能够处理更大的数据集；能够更容易的实现自动化分析；能够比较容易的建立复杂的机器学习模型。
（2）相比spss，spss是个统计软件，只适合在科学研究领域做实验数据的分析，并不适合做偏向实际应用场景的数据的分析；而Python能够处理复杂的数据逻辑，因此在这些场景的使用更有优势。
（3）相比R语言，Python的机器学习库只有一个sklearn ，所有的机器学习方法都集中在这一个库中，而R语言,偶不清楚它到底有多少个用来做机器学习的库，R语言中的机器学习方法是如此的分散，以至于很难掌握。而且Python的使用人数在不断上升，有一些曾经只使用R的人在转向Python，投入到一个呈现上升趋势的技术中，未来才会更加宽广。
（4）相比上述的几个工具,，Python在做机器学习、网络爬虫、大数据分析时更加的得心应手。目前很多数据科学方面的应用都可以轻松使用Python实现。包括数据搜集，清洗，整理，可视化，机器学习，人工智能，开发，运维等。所以光一个Python就可以做到全套服务。
综合选择Python做数据分析是很好的选择，可以看一下相关课程了解一下
/class-95167/
总结，以上就是关于python入门书籍推荐知乎以及用python做机器学习有哪些资料推荐的经验分享，卡友有疑问可以加wx或扫码加群！
