含scikit-learn包，适用于python3.7版本64位，官网自下。
保证可用。

scikit-learn.user_guide_0.16.1.pdf

该资源主要参考我的博客：[python]Kmeans文本聚类算法+PAC降维+Matplotlib显示聚类图像http://blog.csdn.net/eastmount/article/details/50545937包括输入文档txt，共1000行数据，每行都是分词完的文本。
本文主要讲述以下几点：1.通过scikit-learn计算文本内容的tfidf并构造N*M矩阵(N个文档M个特征词)；
2.调用scikit-learn中的K-means进行文本聚类；
3.使用PAC进行降维处理，每行文本表示成两维数据；
4.最后调用Matplotlib显示聚类效果图。
免费资源，希望对你有所帮助~ByEastmount

earningDataMiningwithPython-SecondEditionbyRobertLaytonEnglish|4May2017|ASIN:B01MRP7VFV|358Pages|AZW3|2.85MBKeyFeaturesUseawidevarietyofPythonlibrariesforpracticaldataminingpurposes.Learnhowtofind,manipulate,analyze,andvisualizedatausingPython.Step-by-stepinstructionsondataminingtechniqueswithPythonthathavereal-worldapplications.BookDescriptionThisbookteachesyoutodesignanddevelopdataminingapplicationsusingavarietyofdatasets,startingwithbasicclassificationandaffinityanalysis.ThisbookcoversalargenumberoflibrariesavailableinPython,includingtheJupyterNotebook,pandas,scikit-learn,andNLTK.Youwillgainhandsonexperiencewithcomplexdatatypesincludingtext,images,andgraphs.YouwillalsodiscoverobjectdetectionusingDeepNeuralNetworks,whichisoneofthebig,difficultareasofmachinelearningrightnow.WithrestructuredexamplesandcodesamplesupdatedforthelatesteditionofPython,eachchapterofthisbookintroducesyoutonewalgorithmsandtechniques.Bytheendofthebook,youwillhavegreatinsightsintousingPythonfordataminingandunderstandingofthealgorithmsaswellasimplementations.WhatyouwilllearnApplydataminingconceptstoreal-worldproblemsPredicttheoutcomeofsportsmatchesbasedonpastresultsDeterminetheauthorofadocumentbasedontheirwritingstyleUseAPIstodownloaddatasetsfromsocialmediaandotheronlineservicesFindandextractgoodfeaturesfromdifficultdatasetsCreatemodelsthatsolvereal-worldproblemsDesignanddevelopdataminingapplicationsusingavarietyofdatasetsPerformobjectdetectioninimagesusingDeepNeuralNetworksFindmeaningfulinsightsfromyourdatathroughintuitivevisualizationsComputeonbigdata,includingreal-timedatafromtheinternetAbouttheAuthorRobertLaytonisadatascientistworkingmainlyontextminingproblemsforindustriesincl

Hands-OnMachineLearningwithScikit-LearnandTensorFlow关于机器学习中的重要库scikit-learn以及tensorflow的手上书

scikit-learn官方英文PDF，带目录，可点击跳转

python-machine-learning：scikit-learn和TPOT简介

最新版非常清晰的彩色的pdf+源代码，作者通过具体的例子，应用两款非常流行的Python框架：Scikit-Learn和TensorFlow，帮助你掌握构建机器学习系统所需要的概念和工具。

许多行业专家认为，无人监督学习人工智能的下一个前沿，这可能是人工智能研究的关键，即所谓的一般人工智能。
由于世界上大多数数据都没有标记，因此无法应用传统的监督学习;这就是无监督学习的用武之地。
无监督学习可以应用于未标记的数据集，以发现埋藏在数据深处的有意义的模式，人类几乎不可能发现这些模式。
作者AnkurPatel使用两个简单的，生产就绪的Python框架-scikit-learn和使用Keras的TensorFlow，提供了有关如何应用无监督学习的实用知识。
通过提供实际操作示例和代码，您将识别难以发现的数据模式，获得更深入的业务洞察力，检测异常，执行自动特征工程和选择，以及生成合成数据集。
您只需要编程和一些机器学习经验即可开始使用。

DeriveusefulinsightsfromyourdatausingPython.Learnthetechniquesrelatedtonaturallanguageprocessingandtextanalytics,andgaintheskillstoknowwhichtechniqueisbestsuitedtosolveaparticularproblem.TextAnalyticswithPythonteachesyoubothbasicandadvancedconcepts,includingtextandlanguagesyntax,structure,semantics.Youwillfocusonalgorithmsandtechniques,suchastextclassification,clustering,topicmodeling,andtextsummarization.Astructuredandcomprehensiveapproachisfollowedinthisbooksothatreaderswithlittleornoexperiencedonotfindthemselvesoverwhelmed.YouwillstartwiththebasicsofnaturallanguageandPythonandmoveontoadvancedanalyticalandmachinelearningconcepts.Youwilllookateachtechniqueandalgorithmwithbothabird'seyeviewtounderstandhowitcanbeusedaswellaswithamicroscopicviewtounderstandthemathematicalconceptsandtoimplementthemtosolveyourownproblems.ThisbookProvidescompletecoverageofthemajorconceptsandtechniquesofnaturallanguageprocessing(NLP)andtextanalyticsIncludespracticalreal-worldexamplesoftechniquesforimplementation,suchasbuildingatextclassificationsystemtocategorizenewsarticles,analyzingapporgamereviewsusingtopicmodelingandtextsummarization,andclusteringpopularmoviesynopsesandanalyzingthesentimentofmoviereviewsShowsimplementationsbasedonPythonandseveralpopularopensourcelibrariesinNLPandtextanalytics,suchasthenaturallanguagetoolkit(nltk),gensim,scikit-learn,spaCyandPatternWhatyouwilllearnNaturalLanguageconceptsAnalyzingTextsyntaxandstructureTextClassificationTextClusteringandSimilarityanalysisTextSummarizationSemanticandSentimentanalysisReadershipThebookisforITprofessionals,analysts,developers,linguisticexperts,datascientists,andanyonewithakeeninterestinlinguistics,analytics,andgeneratinginsightsfrom

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。