Python Machine Learning（第 1 版）代码仓库完整导览：13 章 Notebook、配套数据集、FAQ 知识库与实战资源导航-平芜编程栈

机器学习
教程

【免费下载链接】python-machine-learning-book

The "Python Machine Learning (1st edition)" book code repository and info resource

项目地址：https://gitcode.com/gh_mirrors/py/python-machine-learning-book

本仓库是 Sebastian Raschka 所著《Python Machine Learning》（Packt Publishing，2015 年 9 月出版，第 1 版）的官方配套代码与资源仓库，覆盖从机器学习理论到 NumPy、scikit-learn、Theano 实战代码的完整链路。阅读本文后，你将掌握仓库的整体结构、13 个章节 Notebook 与数据集的对应关系、环境搭建与版本要求，以及一套可直接检索引用的 FAQ 知识库导航。

仓库定位：第 1 版代码仓库与版本声明

根目录 README.md 在开头明确声明：本仓库承载的是《Python Machine Learning》第 1 版的代码示例（2017-09-21 更新说明）。因此，所有章节代码均以第 1 版的公式与文字描述为上下文，Notebook 文件本身主要承担"代码示例"角色——正如 README 强调的："these notebooks may not be useful without the formulae and descriptive text"（脱离书中公式与描述文字，Notebook 的效用有限）。这也是阅读本仓库代码前需要建立的基本认知。

书籍基本信息（源自 README.md）：

项目	内容
出版时间	2015 年 9 月 23 日（第 1 版）
装帧/页数	Paperback，454 页
出版社	Packt Publishing
语言	英语
ISBN-10 / ISBN-13	1783555130 / 978-1783555130
Kindle ASIN	B00YSILNL0

该书已被翻译为德语（978-3958454224）、日语（978-4844380603）、意大利语（978-8850333974）、繁体中文（978-9864341405）、简体中文（978-7111558804）、韩语（979-1187497035）、俄语（978-5970604090）等版本，对应翻译封面图位于 images/ 目录。

仓库顶层结构：code / docs / faq / images 四大板块

仓库根目录下主要包含四个目录与一个根级 README.md：

code/：全书代码主体，含 13 个章节目录（ch01–ch13）、bonus/ 增补 Notebook、datasets/ 配套数据集、optional-py-scripts/ 纯 Python 脚本版代码，以及环境检查工具 code/check_environment.ipynb。
docs/：前言的 PDF 摘录（docs/foreword_ro.pdf、docs/preface_sr.pdf）、全书公式参考（docs/equations/pymle-equations.pdf）、勘误表（docs/errata.md）、参考文献（docs/references.md）与读者反馈（docs/feedback.md）。
faq/：约 90 篇按主题分类的问答文章，是作者针对读者来信整理的知识库。
images/：书籍封面、宣传图、环境检查截图等素材。

13 章代码与 Notebook 导航

README 的"Table of Contents and Code Notebooks"一节按章节给出了目录链接（dir）与 Notebook 链接（ipynb）。下表完整整理了各章的目录与 Notebook 路径：

章节	主题	目录	Notebook
1	Machine Learning – Giving Computers the Ability to Learn from Data（机器学习入门）	code/ch01	code/ch01/ch01.ipynb
2	Training Machine Learning Algorithms for Classification（感知机、Adaline 等分类算法训练）	code/ch02	code/ch02/ch02.ipynb
3	A Tour of Machine Learning Classifiers Using Scikit-Learn（scikit-learn 分类器巡礼）	code/ch03	code/ch03/ch03.ipynb
4	Building Good Training Sets – Data Pre-Processing（数据预处理）	code/ch04	code/ch04/ch04.ipynb
5	Compressing Data via Dimensionality Reduction（PCA/LDA 等降维）	code/ch05	code/ch05/ch05.ipynb
6	Learning Best Practices for Model Evaluation and Hyperparameter Optimization（模型评估与超参优化）	code/ch06	code/ch06/ch06.ipynb
7	Combining Different Models for Ensemble Learning（集成学习）	code/ch07	code/ch07/ch07.ipynb
8	Applying Machine Learning to Sentiment Analysis（情感分析）	code/ch08	code/ch08/ch08.ipynb
9	Embedding a Machine Learning Model into a Web Application（模型 Web 化部署）	code/ch09	code/ch09/ch09.ipynb
10	Predicting Continuous Target Variables with Regression Analysis（回归分析）	code/ch10	code/ch10/ch10.ipynb
11	Working with Unlabeled Data – Clustering Analysis（聚类分析）	code/ch11	code/ch11/ch11.ipynb
12	Training Artificial Neural Networks for Image Recognition（人工神经网络图像识别）	code/ch12	code/ch12/ch12.ipynb
13	Parallelizing Neural Network Training via Theano（Theano 并行化神经网络训练）	code/ch13	code/ch13/ch13.ipynb

其中第 1 章（code/ch01/README.md 明确说明 "Chapter 1 does not contain any code examples"）不包含代码示例，主要用于建立监督/非监督/强化学习三类范式的概念框架与基本术语。每章目录下还配有章节运行结果截图（如 code/ch02/images/02_01.png），可用于对照运行输出。

从源码看章节技术纵深（示例）

仓库不仅是 Notebook 集合，还包含完整可运行的 Python 模块。以第 12 章为例，code/ch12/neuralnet.py 定义了从零实现的NeuralNetMLP前馈神经网络分类器，其构造函数完整展示了该书的超参数实践，关键参数包括：

n_output/n_features：输出单元数与输入特征数；
n_hidden=30：隐藏单元数量；
l1=0.0/l2=0.0：L1/L2 正则化强度（默认关闭）；
epochs=500：训练轮数；
eta=0.001：学习率；
alpha=0.0：动量常数（用于加速收敛）；
decrease_const=0.0：学习率衰减常数（按eta / (1 + epoch * decrease_const)收缩）；
shuffle=True：每轮打乱训练数据；
minibatches=1：小批量数量（为 1 时等价于标准梯度下降）；
random_state=None：随机种子。

同一章节目录下还提供了 code/ch12/optional-streamlined-neuralnet.py 精简版实现；第 13 章则包含基于 Keras/Theano 的 code/ch13/mnist_keras_mlp.py。此外，code/optional-py-scripts/ 提供了 ch02–ch13 的纯.py脚本版本（如 code/optional-py-scripts/ch12.py），方便不习惯 Notebook 的读者直接运行。

第 9 章：模型 Web 化部署的完整工程示例

第 9 章将情感分析模型嵌入 Flask Web 应用，code/ch09 下给出了两个完整工程：

code/ch09/movieclassifier/：包含向量化器 vectorizer.py、序列化模型（pkl_objects/classifier.pkl 与 pkl_objects/stopwords.pkl）、SQLite 存储 reviews.sqlite 以及 templates 下的 4 个页面模板；
code/ch09/movieclassifier_with_update/：带在线更新能力的版本，额外提供 update.py 用于增量学习新样本。

另有 code/ch09/pickle-test-scripts/ 演示模型序列化与加载的独立脚本，以及 1st/2nd 版 Flask 入门应用 code/ch09/1st_flask_app_1/ 和 code/ch09/1st_flask_app_2/。

环境搭建：Python、pip、conda 与核心依赖版本

code/ch01/README.md 提供了完整的环境配置指南，要点如下：

Python 版本要求：本书代码面向 Python>= 3.4.3编写，多数示例兼容>= 2.7.10；可用python -V检查当前默认版本。作者在 faq/py2py3.md 中补充说明：代码全部以 Python 3.4 编写，2.7 兼容性在写作中途停止全面测试，尤其是第 8 章情感分析涉及 Unicode 处理，Python 2.7 下可能受限。

包管理器：pip（Python 3.3 起内置）与 Anaconda/Miniconda 的 conda 均可，基本命令为：

pip install SomePackage # 安装 pip install SomePackage --upgrade # 升级 conda install SomePackage # conda 安装 conda update SomePackage # conda 更新

核心依赖最低版本（写作本书时的版本，要求不低于此）：

包	版本
NumPy	1.9.1
SciPy	0.14.0
scikit-learn	0.15.2
matplotlib	1.4.0
pandas	0.15.2

本书以 NumPy 多维数组为主要数据结构，pandas 用于表格数据处理，matplotlib 用于可视化；完整技术栈（含 seaborn、Flask、sqlite3、Theano、Keras）见 faq/technologies.md。作者在 faq/technologies.md 中特别说明：书中大量算法（线性分类器、集成分类器、特征选择、神经网络）是从零手写实现，而非仅调用 scikit-learn API——这是理解代码仓库的重要线索。

Jupyter Notebook 安装与启动：

pip install jupyter notebook # 或 conda install jupyter notebook

进入代码目录后执行jupyter notebook，浏览器默认打开 http://localhost:8888/，从菜单选择要打开的.ipynb文件即可。详细的 Notebook 启动步骤图解见 docs/running_jupyter_nb.pdf。作者还指出 "IPython Notebook" 已更名 "Jupyter Notebook"，只是术语差异。

环境自检（推荐）：在 Jupyter 中打开 code/check_environment.ipynb 并执行代码单元，可一次性核对各核心库是否可用。其预期输出截图如下：

配套数据集与章节对应关系

code/datasets/ 收录了全书所需的全部公开数据集，各目录下的 README 标注了来源与使用章节：

数据集	目录	使用章节	说明
iris	code/datasets/iris/	第 1、2、3 章	鸢尾花三分类经典数据
wine	code/datasets/wine/	第 4、5 章	红酒化学成分数据（预处理/降维章节）
wdbc	code/datasets/wdbc/	第 6 章	威斯康星乳腺癌诊断数据
movie	code/datasets/movie/	第 8、9 章	影评情感分析数据，压缩包 code/datasets/movie/movie_data.csv.zip
housing	code/datasets/housing/	第 10 章	波士顿房价回归数据
mnist	code/datasets/mnist/	第 12、13 章	手写数字图像数据（含 train/t10k 的 images 与 labels 压缩包）

movie 数据集经过预处理转换为两列 CSV：第一列review为评论文本，第二列sentiment为极性标签（0=负面，1=正面），前 25,000 行为训练样本，后 25,000 行为测试样本（源自 "Large Movie Review Dataset v1.0"），详见 code/datasets/movie/README.md。mnist 数据的读取方法另有增补 Notebook：code/bonus/reading_mnist.ipynb。

Bonus 增补资源（书外内容）

code/bonus/ 与根 README 的 "Bonus Notebooks (not in the book)" 一节列出了一批基于读者反馈补充的实战 Notebook：

code/bonus/logistic_regression.ipynb：逻辑回归手写实现；
code/bonus/svm_iris_pipeline_and_gridsearch.ipynb：基于鸢尾花的 Pipeline 与网格搜索入门；
code/bonus/nested_cross_validation.ipynb：嵌套交叉验证扩展示例；
code/bonus/flask_webapp_ex01/：极简 Flask Web 应用模板（含 app.py、templates/、static/style.css），并打包为 flask_webapp_ex01.zip；
code/bonus/reading_mnist.ipynb：将 MNIST 手写数字读入 NumPy 数组；
code/bonus/scikit-model-to-json.ipynb：以 JSON 格式持久化 scikit-learn 模型（配套 code/bonus/sckit-model-to-json/ 目录下的 attributes.json 与 params.json 示例）；
code/bonus/softmax-regression.ipynb：多项式逻辑回归 / softmax 回归（配套 code/bonus/images/softmax_schematic_1.png 等示意图）。

公式参考、勘误与引用规范

公式参考：全书公式被统一整理为 docs/equations/pymle-equations.pdf（源文件 docs/equations/pymle-equations.tex，目录下有 docs/equations/pymle-equations.toc），可配合源码与公式交叉查阅。

勘误与反馈：已知问题与修正记录在 docs/errata.md；读者长、短评摘录在 docs/feedback.md。文献与延伸阅读清单见 docs/references.md，书末参考书目 BibTeX 见 docs/pymle.bib。

引用本书：作者欢迎在学术出版物中复用书中代码片段，并提供了标准引用格式（源自根 README）：

@Book{raschka2015python, author = {Raschka, Sebastian}, title = {Python Machine Learning}, publisher = {Packt Publishing}, year = {2015}, address = {Birmingham, UK}, isbn = {1783555130} }

MLA 格式：Raschka, Sebastian.Python machine learning. Birmingham, UK: Packt Publishing, 2015. Print.

FAQ 知识库：90+ 篇主题问答导航

README 的 FAQ 一节是作者对数百封读者来信的整理，按主题分类，以下为完整导航（均已转换为仓库根相对路径）：

General Questions（通用问题）：faq/datascience-ml.md、faq/implementing-from-scratch.md、faq/data-science-career.md、faq/open-source.md、faq/mentor.md、faq/ml-python-communities.md、faq/ml-to-a-programmer.md、faq/ml-curriculum.md、faq/definition_data-science.md、faq/model-selection-in-datascience.md。

Machine Learning Field（机器学习领域）：faq/ai-and-ml.md、faq/ml-examples.md、faq/datamining-overview.md、faq/datamining-vs-ml.md、faq/ml-solvable.md、faq/ml-origins.md、faq/classifier-history.md、faq/best-ml-algo.md、faq/classifier-categories.md、faq/difference_classifier_model.md、faq/parametric_vs_nonparametric.md、faq/cost-vs-loss.md。

Cost Functions and Optimization（代价函数与优化）：faq/closed-form-vs-gd.md（闭式解 vs 梯度下降 vs SGD vs 小批量）、faq/linear-gradient-derivative.md。

Regression Analysis（回归分析）：faq/pearson-r-vs-linear-regr.md。

Tree models（树模型）：faq/bagging-boosting-rf.md、faq/decision-tree-disadvantages.md、faq/decision-tree-binary.md、faq/decisiontree-error-vs-entropy.md（配套 faq/decisiontree-error-vs-entropy/decisiontree-error-vs-entropy.ipynb）、faq/random-forest-perform-terribly.md。

Model evaluation（模型评估）：faq/overfitting.md、faq/avoid-overfitting.md、faq/number-of-kfolds.md、faq/num-support-vectors.md、faq/evaluate-a-model.md、faq/multiclass-metric.md、faq/choosing-technique.md、faq/clf-behavior-data.md、faq/select_svm_kernels.md、faq/computing-the-f1-score.md。

Logistic Regression（逻辑回归）：faq/softmax_regression.md、faq/logistic_regression_linear.md、faq/probablistic-logistic-regression.md、faq/regularized-logistic-regression-performance.md、faq/naive-bayes-vs-logistic-regression.md、faq/softmax.md、faq/logisticregr-neuralnet.md、faq/logistic-why-sigmoid.md、faq/logistic-analytical.md。

Neural Networks and Deep Learning（神经网络与深度学习）：faq/difference-deep-and-normal-learning.md、faq/visual-backpropagation.md、faq/inventing-deeplearning.md、faq/deep-learning-resources.md、faq/many-deeplearning-libs.md、faq/deeplearning-criticism.md、faq/deeplearn-vs-svm-randomforest.md、faq/neuralnet-error.md、faq/nnet-debugging-checklist.md、faq/diff-perceptron-adaline-neuralnet.md、faq/dropout.md。

其他监督学习 / 无监督 / 半监督 / 集成：faq/lazy-knn.md（KNN 惰性学习）、faq/issues-with-clustering.md、faq/semi-vs-supervised.md、faq/logistic-boosting.md。

预处理、特征选择与提取：faq/scale-training-test.md、faq/dimensionality-reduction.md、faq/lda-vs-pca.md、faq/when-to-standardize.md、faq/pca-scaling.md、faq/large-num-features.md、faq/missing-data.md、faq/feature_sele_categories.md、faq/dataprep-vs-dataengin.md、faq/bag-of-words-sparsity.md。

Naive Bayes（朴素贝叶斯）：faq/naive-naive-bayes.md、faq/naive-bayes-boundary.md、faq/naive-bayes-vartypes.md。

其他概念 / 语言与库：faq/euclidean-distance.md、faq/median-vs-mean.md、faq/r-in-datascience.md、faq/tensorflow-vs-scikitlearn.md。

关于本书：faq/copyright.md、faq/different.md、faq/py2py3.md、faq/technologies.md、faq/version.md、faq/why-python.md、faq/underscore-convention.md、faq/return_self_idiom.md、faq/prerequisites.md、faq/svm_for_categorical_data.md（原 README 中该链接路径有笔误，此处已按实际文件修正）。

这些 FAQ 大多配有对应示意图或可运行 Notebook（例如 faq/decisiontree-error-vs-entropy/ 下的熵与误差对比实验、faq/median-vs-mean/ 下的均值中位数对比），可直接作为补充实验素材。

如何开始使用本仓库

搭建环境：按 code/ch01/README.md 安装 Python 3.4+ 与核心依赖，或直接使用 Anaconda 发行版；用 code/check_environment.ipynb 一键自检。
运行 Notebook：进入对应章节目录（如 code/ch02），启动jupyter notebook打开 ch02.ipynb 逐单元执行。
准备数据：从 code/datasets/ 取用对应章节所需数据集（多数章节也可直接从 sklearn 或书中链接在线加载）。
对照源码：需要更聚焦代码而非 Notebook 时，可直接阅读 code/optional-py-scripts/ 的.py版本或各章工程（如 code/ch09/movieclassifier/、code/ch12/neuralnet.py）。
深入主题：对某个概念存疑时，优先检索 faq/ 知识库；公式推导可查阅 docs/equations/pymle-equations.pdf；已知问题对照 docs/errata.md。

总结

《Python Machine Learning》第 1 版代码仓库是一套"理论—代码—数据—答疑"闭环的学习资源：13 章 Notebook 覆盖从感知机、scikit-learn 分类器、数据预处理、降维、模型评估、集成学习，到情感分析、Web 部署、回归、聚类与神经网络/深度学习全流程；code/datasets/ 提供全部配套数据；faq/ 则是约 90 篇可检索的概念答疑库。对希望以"从零手写实现 + 主流库实战"双路径入门机器学习的开发者而言，本仓库既是一份可复现的代码索引，也是一套值得反复查阅的技术参考手册。注意其内容基于第 1 版（2015 年）技术栈（如 Theano、Keras 早期 API），运行于现代环境时需留意依赖版本差异，具体版本要求以 code/ch01/README.md 为准。