best-of-ml-python-每周更新的很棒的机器学习Python库排名列表

fengdu78/lihang - code是《统计学习方法》第二版的代码实现项目。李航老师的《统计学习方法》系统介绍多种统计学习方法，这个项目整理了书中代码并提供下载，涵盖感知机、k近邻法等众多方法，有助于读者理解书中知识，对机器学习学习、培训、面试笔试等有重要意义。

XGBoost是一个优化的分布式梯度增强库，旨在高效、灵活和便携并在GradientBoosting框架下实现机器学习算法。XGBoost中文文档项目提供了诸多有用信息，如项目翻译情况、负责人相关等，还给出了多种查看文档的途径，像Docker、PYPI、NPM等方式，这对中文使用者来说非常方便，可以更好地理解和运用XGBoost相关知识。

jackfrued/Python - 100 - Days项目是一个综合性的Python学习资源。内容涵盖从基础语法到高级应用，包括Web开发、数据分析、机器学习等多领域知识，还有项目开发流程及相关工具介绍。其中包含大量的实例，从基础学习中的温度转换、闰年判断到高级应用中的各种案例，适合不同层次的Python学习者。它为初学者提供了入门路径，为进阶者提供了深入学习不同领域知识的资源，是一个非常有价值的Python学习项目。

apachecn/sklearn - doc - zh是scikit - learn官方文档的中文版。这个项目将基于Python的机器学习工具scikit - learn的文档进行了翻译，使其能被更多以中文为母语的开发者、学习者使用。项目涵盖了从监督学习、无监督学习到模型选择和评估等多方面内容，还提供了多种查看文档的方式，如GitHub Pages、Gitee Pages、Docker、PYPI、NPM等方式。并且项目开展了翻译校对等活动以提高翻译质量，欢迎更多人参与到项目中来。

100 - Days - Of - ML - Code中文版是一个综合性的机器学习项目资源。它涵盖了有监督学习中的多种回归与分类算法，包括简单线性回归、逻辑回归等，还有无监督学习的聚类算法。项目里有对线性代数和微积分知识的复习内容，也包含对Python数据处理与可视化库的深入研究。其文件结构丰富，有代码、文档以及教程等，对机器学习学习者而言是一个很有用的资源。

《DeepLearning - 500 - questions》全书共18个章节，50余万字。以问答形式阐述概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题。内容源于编者日常学习知识点及公司笔面试题，凝聚众多科研人员和工程师经验，可为多领域人员提供参考，适合需要查漏补缺的应聘者和面试官阅读，欢迎大家提出批评指正并参与讨论。