只需十四步：從零開始掌握python-在線瀏覽
2024-08-08 03:16本頁面
【正文】 的了解。廣義上講，有很多所謂的科學(xué) Python 庫（scientific Python libraries）可用于執(zhí)行基本的機(jī)器學(xué)習(xí)任務(wù)（這方面的判斷肯定有些主觀性）：numpy——主要對其 N 維數(shù)組對象有用 pandas——Python 數(shù)據(jù)分析庫，包括數(shù)據(jù)框架（dataframes）等結(jié)構(gòu) matplotlib——一個 2D 繪圖庫，可產(chǎn)生出版物質(zhì)量的圖表 scikitlearn——用于數(shù)據(jù)分析和數(shù)據(jù)挖掘人物的機(jī)器學(xué)習(xí)算法 學(xué)習(xí)這些庫的一個好方法是學(xué)習(xí)下面的材料：Scipy Lecture Notes，來自 Ga235。前面提到的軟件包只是 Python 機(jī)器學(xué)習(xí)中常用的一些核心庫的一部分，但是理解它們應(yīng)該能讓你在后面遇到其它軟件包時不至于感到困惑。?scikitlearn 流程圖下面許多的教程和訓(xùn)練都是使用 iPython (Jupyter) Notebook 完成的，iPython Notebook 是執(zhí)行 Python 語句的交互式環(huán)境。來自斯坦福的 iPython Notebook 概覽：同樣也請注意，以下的教程是由一系列在線資源所組成。我們第一個教程就是從 scikitlearn 開始的，我建議你們在繼續(xù)完成教程前可以按順序看一看以下的文章。我們從非常出名的 K 均值聚類（kmeans clustering）算法開始，它是一種非常簡單和高效的方法，能很好地解決非監(jiān)督學(xué)習(xí)問題：K均值聚類：接下來我們可以回到分類問題，并學(xué)習(xí)曾經(jīng)最流行的分類算法：決策樹：在了解分類問題后，我們可以繼續(xù)看看連續(xù)型數(shù)值預(yù)測：線性回歸：我們也可以利用回歸的思想應(yīng)用到分類問題中，即 logistic 回歸：logistic 回歸：第六步：Python 上實現(xiàn)進(jìn)階機(jī)器學(xué)習(xí)算法我們已經(jīng)熟悉了 scikitlearn，現(xiàn)在我們可以了解一下更高級的算法了。支持向量機(jī)：隨后，我們可以通過 Kaggle Titanic 競賽檢查學(xué)習(xí)作為集成分類器的隨機(jī)森林：Kaggle Titanic 競賽（使用隨機(jī)森林）：降維算法經(jīng)常用于減少在問題中所使用的變量。首先使用 Python 及其機(jī)器學(xué)習(xí)庫，我們不僅已經(jīng)了解了一些最常見和知名的機(jī)器學(xué)習(xí)算法（k 近鄰、k 均值聚類、支持向量機(jī)等），還研究了強大的集成技術(shù)（隨機(jī)森林）和一些額外的機(jī)器學(xué)習(xí)任務(wù)（降維算法和模型驗證技術(shù)）。我們會進(jìn)一步學(xué)習(xí)新的必要工具。深度學(xué)習(xí)建立在幾十年前的神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，但是最近的進(jìn)步始于幾年前，并極大地提高了深度神經(jīng)網(wǎng)絡(luò)的認(rèn)知能力，引起了人們的廣泛興趣。最后一步并不打算把所有類型的深度學(xué)習(xí)評論一遍，而是在 2 個先進(jìn)的當(dāng)代 Python 深度學(xué)習(xí)庫中探究幾個簡單的網(wǎng)絡(luò)實現(xiàn)?？纯?Theano 作者怎么說：Theano 是一個 Python 庫，它可以使你有效地定義、優(yōu)化和評估包含多維數(shù)組的數(shù)學(xué)表達(dá)式。再一次，讓我們從作者開始：Caffe 是一個深度學(xué)習(xí)框架，由表達(dá)、速度和模塊性建構(gòu)，Bwekeley 視覺與學(xué)習(xí)中心和社區(qū)工作者共同開發(fā)了 Caf fe。我們已經(jīng)學(xué)習(xí)了上面幾個有趣的樣例，但沒有一個可與下面這個樣例相競爭，其可通過 Caffe 實現(xiàn)谷歌的 DeepDream。通過 Caffe 實現(xiàn)谷歌 DeepDream：我并沒有保證說這會很快或容易，但是如果你投入了時間并完成了上面的 7 個步驟，你將在理解大量機(jī)器學(xué)習(xí)算法以及通過流行的庫（包括一些在目前深度學(xué)習(xí)研究領(lǐng)域最前沿的庫）在 Python 中實現(xiàn)算法方面變得很擅長。我保證這樣做是值得的。由于安全地跳過了一些基礎(chǔ)模塊——Python 基礎(chǔ)、機(jī)器學(xué)習(xí)基礎(chǔ)等等——我們可以直接進(jìn)入到不同的機(jī)器學(xué)習(xí)算法之中。第1步：機(jī)器學(xué)習(xí)基礎(chǔ)回顧amp。模型評估5. 關(guān)于 Python 的機(jī)器學(xué)習(xí)主題：k均值聚類、決策樹、線性回歸amp。我也會列出所有適合新手的入門材料，安裝說明包含在上篇文章中。地址：維基百科條目：統(tǒng)計學(xué)分類。地址：如果你正在尋找學(xué)習(xí)機(jī)器學(xué)習(xí)基礎(chǔ)的替代或補充性方法，恰好我可以把正在看的 Shai BenDavid 的視頻講座和 Shai ShalevShwartz 的教科書推薦給你：Shai BenDavid 的機(jī)器學(xué)習(xí)介紹視頻講座，滑鐵盧大學(xué)。 Shai ShalevShwartz。視頻講座、教科書及其他資源可在以下情況查閱：當(dāng)使用機(jī)器學(xué)習(xí)算法實現(xiàn)模型時或者當(dāng)合適的概念被實際應(yīng)用在后續(xù)步驟之中時。第2步：更多的分類我們從新材料開始，首先鞏固一下我們的分類技術(shù)并引入一些額外的算法。?Scikitlearn 分類器 k最近鄰（kNN）是一個簡單分類器和懶惰學(xué)習(xí)者的示例，其中所有計算都發(fā)生在分類時間上（而不是提前在訓(xùn)練步驟期間發(fā)生）。使用 Python 進(jìn)行 k最
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1