回答:
アプリケーション指向の本が必要な場合は、クリストファービショップのモデルベースの機械学習を検討してください。彼はより高く評価されているより専門的な本を持っています。
あなたがたくさんのコードを探しているなら、確率的プログラミングとハッカーのためのベイジアンメソッドはオプションです。
より統計的な傾向のある別の入門書は、Rでのアプリケーションを使用した統計学習の紹介です。繰り返しになりますが、著者はこの本の定評のある技術バージョンを持っています。
私は数週間前に同じ質問をしました。
私は個人的に、O'ReillyのPython for Data Analysisが基本を学ぶのに非常に役立つと感じました。この本は、Pythonプログラミングの経験があることを前提としていますが、基本を説明する付録が後ろに付いています。
著者は、最初にいくつかの章で作成できるさまざまな実世界（Monty Pythonではない）の例を示し、次に本が進むにつれて各事柄について詳細に説明し、知識を構築します。
手順は非常に簡単で、段階的にわかりました。これらすべてのガイドである私の教授は、私がどれほど早く学んだか感銘を受けました。
Kaggleの良い点も聞いたことがあります。
Microsoft Azure Machine Learning and Rを使用したクラウド内のデータサイエンスは、例を詳細に説明する無料の教科書です。本から利益を得るためにそれらを必要としないので、使用される特定のツールに気を取られないでください。
私が楽しんだ別の1つは、多くの本がつや消しするWebスクレイピング部分を含む、多数のプロジェクトも詳細に実行するプログラミング集団知能です。
データサイエンス、統計、機械学習のコメント付きノートブックを含む、Ipythonノートブックのこのコレクションをお勧めします。
https://github.com/ipython/ipython/wiki/A-gallery-of-interesting-IPython-Notebooks
いくつかの興味深い段階的な説明が見つかる1つの場所は、Kaggleチュートリアルと受賞者のインタビューです。多くの場合、人々は彼らのアプローチの詳細な要約を投稿します。
私が出会った最高の本の1つは、セバスチャンラシュカのPythonでの機械学習です。簡単な例、ステップバイステップの説明とちょうどいい量の数学。
本の構造は、データの整理から収集および評価までの全プロセスをカバーしています。
見て ：
https://www.analyticsvidhya.com/blog/2016/01/complete-tutorial-learn-data-science-python-scratch-2/
これには、データ探索、データ分析、予測モデルの構築のプロセス全体のアイデアを提供する段階的なチュートリアルがあります。
データ探索と機能エンジニアリングに関する説明（関連する機能の選択方法）は次のとおりです。
https://www.analyticsvidhya.com/blog/2016/01/guide-data-exploration/
チュートリアルが含まれている最初の5つのデータセットを参照し、実際の経験を得るためにそれらに取り組みます。
また見てください：
http://machinelearningmastery.com/machine-learning-in-python-step-by-step/
彼は単一のデータセットで複数のモデルを使用しているため、さまざまなモデルの基本的なレベルを理解できます。
モデル選択の詳細については、こちらをご覧ください。
https://www.quora.com/Data-Science-How-do-Data-Scientists-perform-model-selection
上記のリンクには、現場で働く人々からの回答があります。
さまざまなデータセットに関する洞察を得るには、いつでもkaggleにログインしてコンテストに参加し、カーネル内の人々のコードにアクセスできるさまざまなデータセットを見ることができます。Kaggleのフォーラムは、問題に対するさまざまなモデルの使用とそのアプローチについて人々が話し合うのに役立ちます。