现在关于Python机器学习的书籍很多，选择貌似变得越来越困难。

当你准备买书自学时，挑一本适合自己的书是非常有必要的。那么如何挑选一本好书呢？（个人意见，仅供参考）

前提条件

关注序言或简介和自己的需求：

序言与简介主要描述了目标读者，看看适不适合那个阶段的自己。

（大多数机器学习书籍需要对数据科学和Python有基本的了解。） 

Python技巧：

有些书使用简单的代码片段来证明一个概念，

而另一些书则使用了高级Python功能，例如列表理解，切片，带语句，参数解包等等。

Python库：

Python机器学习书籍通常使用ScikitLearn（有时还包括SciPy）来实现算法。

深度学习书籍涵盖TensorFlow，Keras和PyTorch。

但是这些书还利用了Numpy，Pandas和Matplotlib等科学图书馆来加载和处理数据。

Python工具：

大多数Python机器学习开发人员更喜欢Jupyter Notebook，

这是一个基于Web的界面，可以进行编码和测试算法，并将结果保存为HTML格式。

如果一本书是关于如何使用Jupyter的话，书中要提到能否完成安装和设置。

数学技能：机器学习在本质上涉及大量线性代数，微积分和统计量。

通过概念性描述和绘图来描述机器学习算法的机制，这类书应该明确告诉你学习本书需要多少数学知识。 

目录（在序言部分没有明确提及）

购买书之前先查看目录的内容：

基础知识：

每本有关机器学习的书都是从基础知识开始的。

高级书籍会将基础知识在一个章节中进行总结。

初学者通常需要花几章来讨论机器学习的基础知识，数学，数据预处理和数据类型以及机器学习管道的书籍。

算法：

初学者通常根据算法的类别（回归，分类，聚类）和高级概念（监督学习与无监督学习，整体学习，超参数调整，降维）来讨论算法。

高级书籍通常会针对特定类型的算法（支持向量机，决策树，主成分分析，不同的聚类方法等）提供更详尽的章节。

Python库：

高级和中级书籍不讨论NumPy和Matplotlib等Python库。

初学者的书籍中的各节介绍了如何使用NumPy和Matplotlib等Python库来加载，处理和可视化数据。