没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
6页
python机器学习教程_从零开始掌握Python机器学习:⼗四步 教程 Python 可以说是现在最流⾏的机器学习语⾔,⽽且你也能在⽹上找到⼤量的资源。你现在也在考虑从 Python ⼊门机器学习吗?本教程或 许能帮你成功上⼿,从 0 到 1 掌握 Python 机器学习,⾄于后⾯再从 1 到 100 变成机器学习专家,就要看你⾃⼰的努⼒了。本教程原⽂ 分为两个部分,机器之⼼在本⽂中将其进⾏了整合,原⽂可参阅:7 Steps to Mastering Machine Learning With Python 和 7 More Steps to Mastering Machine Learning With Python。本教程的作者为 KDnuggets 副主编兼数据科学家 Matthew Mayo。 「开始」往往是最难的,尤其是当选择太多的时候,⼀个⼈往往很难下定决定做出选择。本教程的⽬的是帮助⼏乎没有 Python 机器学习背 景的新⼿成长为知识渊博的实践者,⽽且这个过程中仅需要使⽤免费的材料和资源即可。这个⼤纲的主要⽬标是带你了解那些数量繁多的可 ⽤资源。毫⽆疑问,资源确实有很
资源推荐
资源详情
资源评论
python机器学习教程_从零开始掌握Python机器学习:⼗四步
教程
Python 可以说是现在最流⾏的机器学习语⾔,⽽且你也能在⽹上找到⼤量的资源。你现在也在考虑从 Python ⼊门机器学习吗?本教程或
许能帮你成功上⼿,从 0 到 1 掌握 Python 机器学习,⾄于后⾯再从 1 到 100 变成机器学习专家,就要看你⾃⼰的努⼒了。本教程原⽂
分为两个部分,机器之⼼在本⽂中将其进⾏了整合,原⽂可参阅:7 Steps to Mastering Machine Learning With Python 和 7 More
Steps to Mastering Machine Learning With Python。本教程的作者为 KDnuggets 副主编兼数据科学家 Matthew Mayo。
「开始」往往是最难的,尤其是当选择太多的时候,⼀个⼈往往很难下定决定做出选择。本教程的⽬的是帮助⼏乎没有 Python 机器学习背
景的新⼿成长为知识渊博的实践者,⽽且这个过程中仅需要使⽤免费的材料和资源即可。这个⼤纲的主要⽬标是带你了解那些数量繁多的可
⽤资源。毫⽆疑问,资源确实有很多,但哪些才是最好的呢?哪些是互补的呢?以怎样的顺序学习这些资源才是最合适的呢?
⾸先,我假设你并不是以下⽅⾯的专家:机器学习
Python
任何 Python 的机器学习、科学计算或数据分析库
当然,如果你对前两个主题有⼀定程度的基本了解就更好了,但那并不是必要的,在早期阶段多花⼀点点时间了解⼀下就⾏了。
基础篇
第⼀步:基本 Python 技能
如果我们打算利⽤ Python 来执⾏机器学习,那么对 Python 有⼀些基本的了解就是⾄关重要的。幸运的是,因为 Python 是⼀种得到了
⼴泛使⽤的通⽤编程语⾔,加上其在科学计算和机器学习领域的应⽤,所以找到⼀个初学者教程并不⼗分困难。你在 Python 和编程上的经
验⽔平对于起步⽽⾔是⾄关重要的。
⾸先,你需要安装 Python。因为我们后⾯会⽤到科学计算和机器学习软件包,所以我建议你安装 Anaconda。这是⼀个可⽤于 Linux、
OS X 和 Windows 上的⼯业级的 Python 实现,完整包含了机器学习所需的软件包,包括 numpy、scikit-learn 和 matplotlib。其也包
含了 iPython Notebook,这是⼀个⽤在我们许多教程中的交互式环境。我推荐安装 Python 2.7。
如果你不懂编程,我建议你从下⾯的免费在线书籍开始学习,然后再进⼊后续的材料:Learn Python the Hard Way,作者 Zed A.
Shaw:Learn Python the Hard Way
如果你要 30 分钟上⼿ Python 的快速课程,看下⾯:
当然,如果你已经是⼀位经验丰富的 Python 程序员了,这⼀步就可以跳过了。即便如此,我也建议你常使⽤ Python ⽂档:Welcome to
Python.org
第⼆步:机器学习基础技巧
KDnuggets 的 Zachary Lipton 已经指出:现在,⼈们评价⼀个「数据科学家」已经有很多不同标准了。这实际上是机器学习领域领域的
⼀个写照,因为数据科学家⼤部分时间⼲的事情都牵涉到不同程度地使⽤机器学习算法。为了有效地创造和获得来⾃⽀持向量机的洞见,⾮
常熟悉核⽅法(kernel methods)是否必要呢?当然不是。就像⼏乎⽣活中的所有事情⼀样,掌握理论的深度是与实践应⽤相关的。对机器
学习算法的深度了解超过了本⽂探讨的范围,它通常需要你将⾮常⼤量的时间投⼊到更加学术的课程中去,或者⾄少是你⾃⼰要进⾏⾼强度
的⾃学训练。
好消息是,对实践来说,你并不需要获得机器学习博⼠般的理论理解——就想要成为⼀个⾼效的程序员并不必要进⾏计算机科学理论的学
习。
⼈们对吴恩达在 Coursera 上的机器学习课程内容往往好评如潮;然⽽,我的建议是浏览前⼀个学⽣在线记录的课堂笔记。跳过特定于
Octave(⼀个类似于 Matlab 的与你 Python 学习⽆关的语⾔)的笔记。⼀定要明⽩这些都不是官⽅笔记,但是可以从它们中把握到吴恩达课
程材料中相关的内容。当然如果你有时间和兴趣,你现在就可以去 Coursera 上学习吴恩达的机器学习课程:Machine Learning -
Stanford University | Coursera
除了上⾯提到的吴恩达课程,如果你还需要需要其它的,⽹上还有很多各类课程供你选择。⽐如我就很喜欢 Tom Mitchell,这⾥是他最近
演讲的视频(⼀起的还有 Maria-Florina Balcan),⾮常平易近⼈。Tom Mitchell 的机器学习课程:Machine Learning
⽬前你不需要所有的笔记和视频。⼀个有效地⽅法是当你觉得合适时,直接去看下⾯特定的练习题,参考上述备注和视频恰当的部分,
资源评论
是空空呀
- 粉丝: 168
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于python的高性能爬虫程序,使用了多线程+缓存+xpath实现的,这里以彼-岸图库为例,实现,仅用于学习交流
- 中分辨率成像光谱仪(MODIS)烧毁面积产品信息MODIS-C6-BA-User-Guide-1.2.pdf
- Screenshot_20240427_172613_com.huawei.browser.jpg
- 关于学习Python的相关资源网站链接及相关介绍.docx
- (HAL库)基于STM32F103C8T6的温控PID系统[Dht11、ESP8266、无线透传、L298N……]
- VoLTE高丢包优化指导书.xlsx
- Rust资源文件.zip
- 前后端分离实践:使用 React 和 Express 搭建完整登录注册流程
- gradle-publish-to-MavenLocal.zip
- 10份网络优化创新案例.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功