基于TensorFlow的深度学习之前流行过很多的经典机器学习框架。比如KNN，比如支撑向量机，比如随机森林。相对于深度学习的理论，这些经典的机器学习算法构建在更为精密的数学推导上。运筹学，最优化理论，数学分析，数理统计和随机过程构成了这些算法的理论基础，也是进一步学习各种基于神经网络的深度学习算法的基础。
推荐机器学习入门书《Python机器学习基础教程》，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。
学习推荐：
《Python机器学习基础教程》高清中文版PDF，306页，带目录和书签，文字能够复制；高清英文版PDF，392页，带目录和书签，彩色配图，文字能够复制；中英文两版可以对比学习。配套源代码。
网盘下载：http://106.13.73.98
