mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-23 21:20:42 +08:00
109 lines
7.2 KiB
Markdown
109 lines
7.2 KiB
Markdown
使用 Python 开始你的机器学习之旅
|
||
============================================================
|
||
|
||
> 机器学习是你的简历中必需的一门技能。我们简要概括一下使用 Python 来进行机器学习的一些步骤。
|
||
|
||
|
||
![Get started with machine learning using Python](https://opensource.com/sites/default/files/styles/image-full-size/public/images/education/osdc_khan_520x292_FINAL.png?itok=lCkXsudF "Get started with machine learning using Python")
|
||
|
||
>图片来自: opensource.com
|
||
|
||
你想知道如何开始机器学习吗?在这篇文章中,我将简要概括一下使用 [Python][16] 来开始机器学习的一些步骤。Python 是一门流行的开源程序设计语言,也是在人工智能及其它相关科学领域中最常用的语言之一。机器学习简称 ML,是人工智能的一个分支,它是利用算法从数据中进行学习,然后作出预测。机器学习有助于帮助我们预测我们周围的世界。
|
||
|
||
从无人驾驶汽车到股市预测,再到在线学习,机器学习通过预测来进行自我提高的方法几乎被用在了每一个领域。由于机器学习的实际运用,目前它已经成为就业市场上最有需求的技能之一。另外,使用 Python 来开始机器学习很简单,因为有大量的在线资源,以及许多可用的 [Python 机器学习库][16]。
|
||
|
||
你需要如何开始使用 Python 进行机器学习呢?让我们来总结一下这个过程。
|
||
|
||
### 提高你的 Python 技能
|
||
|
||
由于 Python 在工业界和科学界都非常受欢迎,因此你不难找到 Python 的学习资源。如果你是一个从未接触过 Python 的新手,你可以利用在线资源,比如课程、书籍和视频来学习 Python。比如下面列举的一些资源:
|
||
|
||
* [Python 学习之路][5]
|
||
* [Google 开发者 Python 课程(视频)][6]
|
||
* [Google 的 Python 课堂][7]
|
||
|
||
### 安装 Anaconda
|
||
|
||
下一步是安装 [Anacona][2]。有了 Anaconda ,你将可以开始使用 Python 来探索机器学习的世界了。Anaconda 的默认安装库包含了进行机器学习所需要的工具。
|
||
|
||
### 基本的机器学习技能
|
||
|
||
有了一些基本的 Python 编程技能,你就可以开始学习一些基本的机器学习技能了。一个实用的学习方法是学到一定技能便开始进行练习。然而,如果你想深入学习这个领域,那么你需要准备投入更多的学习时间。
|
||
|
||
一个获取技能的有效方法是在线课程。吴恩达的 Coursera [机器学习课程][20] 是一个不错的选择。其它有用的在线训练包括:
|
||
|
||
* [Python 机器学习: Scikit-Learn 教程][8]
|
||
* [Python 实用机器学习教程][9]
|
||
|
||
你也可以在 [LiveEdu.tv][21] 上观看机器学习视频,从而进一步了解这个领域。
|
||
|
||
### 学习更多的 Python 库
|
||
|
||
当你对 Python 和机器学习有一个好的感觉之后,可以开始学习一些[开源的 Python 库][22]。科学的 Python 库将会使完成一些简单的机器学习任务变得很简单。然而,选择什么库是完全主观的,并且在业界内许多人有很大的争论。
|
||
|
||
一些实用的 Python 库包括:
|
||
|
||
* [Scikit-learn][10] :一个优雅的机器学习算法库,可用于数据挖掘和数据分析任务。
|
||
* [Tensorflow][11] :一个易于使用的神经网络库。
|
||
* [Theano][12] : 一个强大的机器学习库,可以帮助你轻松的评估数学表达式。
|
||
* [Pattern][13] : 可以帮助你进行自然语言处理、数据挖掘以及更多的工作。
|
||
* [Nilearn][14] :基于 Scikit-learn,它可以帮助你进行简单快速的统计学习。
|
||
|
||
### 探索机器学习
|
||
|
||
对基本的 Python、机器学习技能和 Python 库有了一定理解之后,就可以开始探索机器学习了。接下来,尝试探索一下 Scikit-learn 库。一个不错的教程是 Jake VanderPlas 写的 [Scikit-learn 简介][23]。
|
||
|
||
然后,进入中级主题,比如 [K-均值聚类算法简介][24]、线性回归、[决策树][25]和逻辑回归。
|
||
|
||
最后,深入高级机器学习主题,比如向量机和复杂数据转换。
|
||
|
||
就像学习任何新技能一样,练习得越多,就会学得越好。你可以通过练习不同的算法,使用不同的数据集来更好的理解机器学习,并提高解决问题的整体能力。
|
||
|
||
使用 Python 进行机器学习是对你的技能的一个很好的补充,并且有大量免费和低成本的在线资源可以帮助你。你已经掌握机器学习技能了吗?可以在下面留下你的评论,或者[提交一篇文章][26]来分享你的故事。
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
作者简介:
|
||
|
||
Michael J. Garbade 博士是旧金山 LiveEdu Inc(Livecoding.tv)的创始人兼首席执行官。Livecoding.tv 是世界上观看工程师直播编代码最先进的直播平台。你可以通过观看工程师们写网站、移动应用和游戏,来将你的技能提升到一个新的水平。MichaelJ. Garbade 博士拥有金融学博士学位,并且是一名自学成才的工程师,他喜欢 Python、Django、Sencha Touch 和视频流。
|
||
|
||
-----------
|
||
|
||
via: https://opensource.com/article/17/5/python-machine-learning-introduction
|
||
|
||
作者:[Michael J. Garbade][a]
|
||
译者:[ucasFL](https://github.com/ucasFL)
|
||
校对:[wxy](https://github.com/wxy)
|
||
|
||
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译,[Linux中国](https://linux.cn/) 荣誉推出
|
||
|
||
[a]:https://opensource.com/users/drmjg
|
||
[1]:https://opensource.com/tags/python?src=programming_resource_menu
|
||
[2]:https://opensource.com/tags/javascript?src=programming_resource_menu
|
||
[3]:https://opensource.com/tags/perl?src=programming_resource_menu
|
||
[4]:https://developers.redhat.com/?intcmp=7016000000127cYAAQ&src=programming_resource_menu
|
||
[5]:https://learnpythonthehardway.org/book/
|
||
[6]:https://www.youtube.com/playlist?list=PLfZeRfzhgQzTMgwFVezQbnpc1ck0I6CQl
|
||
[7]:https://developers.google.com/edu/python/
|
||
[8]:https://www.datacamp.com/community/tutorials/machine-learning-python#gs.HfAvLRs
|
||
[9]:https://pythonprogramming.net/machine-learning-tutorial-python-introduction/
|
||
[10]:http://scikit-learn.org/stable/
|
||
[11]:https://opensource.com/article/17/2/machine-learning-projects-tensorflow-raspberry-pi
|
||
[12]:http://deeplearning.net/software/theano/
|
||
[13]:https://github.com/clips/pattern
|
||
[14]:https://github.com/nilearn/nilearn
|
||
[15]:https://opensource.com/article/17/5/python-machine-learning-introduction?rate=jgAmIV_YqoWTbnSgNjZ0EE5lyhJtzf-ukzhiMmXtfMQ
|
||
[16]:https://opensource.com/article/17/2/3-top-machine-learning-libraries-python
|
||
[17]:https://www.liveedu.tv/learn/python/
|
||
[18]:https://opensource.com/article/17/2/3-top-machine-learning-libraries-python
|
||
[19]:http://docs.continuum.io/anaconda/install
|
||
[20]:https://www.coursera.org/learn/machine-learning
|
||
[21]:https://www.liveedu.tv/
|
||
[22]:https://opensource.com/article/17/5/4-practical-python-libraries
|
||
[23]:http://nbviewer.jupyter.org/github/donnemartin/data-science-ipython-notebooks/blob/master/scikit-learn/scikit-learn-intro.ipynb
|
||
[24]:https://www.datascience.com/blog/introduction-to-k-means-clustering-algorithm-learn-data-science-tutorials
|
||
[25]:http://machinelearningmastery.com/implement-decision-tree-algorithm-scratch-python/
|
||
[26]:https://opensource.com/story
|
||
[27]:https://opensource.com/user/78291/feed
|
||
[28]:https://opensource.com/users/drmjg
|