机器学习宝典

机器学习宝典（Machine-Learning-Book）涵盖了从机器学习从入门到精通所需的所有必备知识。

1. 其中《机器学习知识点彩图版.pdf》以生动形象的图片描述机器学习中的知识点。
2. 其中《Google机器学习速成课程.pdf》以加利福尼亚房价预测为线索，讲解了机器学习概念、特征工程以及机器学习在现实世界的应用。该课程有对应知识点的习题和解答，你可以随时检测自己的学习效果。
3. 其中《机器学习中的常识性问题 (最新网页版)》 ， 该文系统性总结了机器学习基础知识。比如你了解机器学习中常见的二分类问题评价指标：混淆矩阵、准确率、精确率、召回率、敏感性、特异性、AUC、ROC以及它们之间的关系吗？（答案见文末）

机器学习彩图版-偏差和方差的权衡

机器学习宝典内容汇总

百度网盘打包下载本资源：

• 链接：https://pan.baidu.com/s/1OLscfquhYKOuN7X-QVqQNA
• 提取码：6g4l

标签	名称	说明
养兴趣	机器学习知识点彩图版.pdf	以生动形象的图片描述机器学习中的知识点。
练招式	完整版Google机器学习速成课程.md or Google机器学习速成课程.pdf and 谷歌机器学习速成课程-配套TensorFlow代码	本文讲解了机器学习概念、特征工程以及机器学习在现实世界的应用。解决了：加利福利亚房价预测问题（回归问题）+分类问题+手写字体识别问题
口诀	机器学习术语表（PDF） or 机器学习术语表（网页版）	本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。
心得	机器学习规则（PDF） or 机器学习规则（网页版）	本文档旨在帮助已掌握机器学习基础知识的人员从 Google 机器学习的最佳实践（经验）中受益。
练内功	机器学习中的常识性问题（PDF） or 机器学习中的常识性问题 (最新网页版)	系统性深入学习机器学习。机器学习中的常识性问题定义：作为一名合格的机器学习从业人员必须理解的机器学习领域的常识性问题。

开始学习 练招式

点击开始学习完整版 Google机器学习速成课程.md，也可以下载完整版Google机器学习速成课程.pdf。

学习进阶 练内功

机器学习中的常识性问题定义：作为一名合格的机器学习从业人员必须理解的机器学习领域的常识性问题。

点击开始学习 机器学习中的常识性问题

机器学习中常见的二分类问题评价指标：混淆矩阵、准确率、精确率、召回率、敏感性、特异性、AUC、ROC以及它们之间的关系吗？

答案：

Machine-Learning-Book 快速上手指南

Machine-Learning-Book（机器学习宝典）是一个汇集了从入门到精通所需核心知识的开源资源库，包含彩图知识点、Google 速成课程、术语表及行业最佳实践规则。本项目主要为文档与资料集合，无需复杂的环境配置即可开始阅读学习。

环境准备

本项目核心内容为 PDF 文档、Markdown 文本及在线网页资源，对系统无特殊要求。

• 操作系统：Windows / macOS / Linux 均可。
• 前置依赖：
  • 文档阅读：任意 PDF 阅读器（如 Adobe Acrobat, Chrome 浏览器）。
  • 代码练习（针对 Google 速成课程部分）：
    • Python 3.6+
    • TensorFlow (建议版本 2.x)
    • Jupyter Notebook (可选，用于运行示例代码)

国内加速方案： 若访问 GitHub 原站速度较慢，可直接使用提供的 百度网盘 打包资源：

• 链接：https://pan.baidu.com/s/1OLscfquhYKOuN7X-QVqQNA
• 提取码：6g4l

安装步骤

由于本项目主要是资料库，"安装"即指获取资源文件。

方式一：直接下载单个文件

点击 README 中的链接直接下载特定 PDF 或 Markdown 文件，例如：

• 机器学习知识点彩图版.pdf
• Google 机器学习速成课程.pdf

方式二：克隆仓库（获取全部资源）

在终端执行以下命令克隆项目：

git clone https://github.com/yuanxiaosc/Machine-Learning-Book.git
cd Machine-Learning-Book

方式三：配置编程环境（仅针对需要运行代码的用户）

若需运行《Google 机器学习速成课程》中的 TensorFlow 代码，请执行：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow jupyter notebook matplotlib pandas

(注：使用了清华大学镜像源以加速下载)

基本使用

本项目的核心在于“阅读”与“实践”。以下是三种推荐的学习路径：

1. 培养兴趣（看图学习）

打开 PDF/机器学习知识点彩图版.pdf，通过生动的图片快速理解偏差与方差权衡等核心概念。

• 操作：直接使用 PDF 阅读器打开文件。

2. 实战演练（练招式）

跟随《Google 机器学习速成课程》进行系统性学习，涵盖房价预测（回归）、分类问题及手写字体识别。

• 阅读教程：打开 Google 机器学习速成课程.md 或对应的 PDF 文件。
• 运行代码：进入 Google 机器学习速成课程 Code 目录，启动 Jupyter Notebook 运行示例：

  jupyter notebook
  

  在浏览器中选择对应的 .ipynb 文件进行交互式学习与修改。

3. 深化理论（练内功）

深入学习《机器学习中的常识性问题》，掌握混淆矩阵、AUC、ROC 等评价指标及其关系。

• 在线阅读：访问 最新网页版。
• 本地阅读：打开 PDF/机器学习中的常识性问题_望江人工智库.pdf。

建议初学者按照 彩图版 -> 速成课程 -> 常识性问题 的顺序循序渐进。