Ich kenne die Konzepte der Python-Programmierung. Und ich habe gehört, dass das Lernen mit Python kompatibler ist. Also möchte ich das maschinelle Lernen mit Python beginnen. Ich bin ein Neuling im maschinellen Lernen. (Ich möchte nur von vorne anfangen) Wie werde ich in Richtung dieses beginnen?So starten Sie Machine Learning mit Python-Programmierung?
Antwort
Ich habe fundiertes Wissen über den statistischen Hintergrund des maschinellen Lernens, denke ich, ist wesentlich. Numpy, Pandas, Matplotlib, Scikit-lernen, wären einige nützliche Werkzeuge in Python für maschinelles Lernen.
Sie müssen theoretische sutff einschließlich Mathematik/Statistik/Data Mining etc ...
Der beste Weg ist, lernen - je nach ur aktuellen Hintergrund - wahrscheinlich die sehr berühmt Andrew Ng Coursera Course on Machine Learning. Ich glaube wirklich nicht, dass es einen schnelleren/einfacheren Weg gibt. Youtube kann eine gute Hilfe sein, da ich schon Tonnen an ML/stats bezogenen Videos gefunden habe.
Eine der besten Ressourcen, die ich beim ersten Einsatz von Python zum maschinellen Lernen fand, war Sebastian Raschkas Buch Python's Machine Learning.
Ich habe auch eine Vielzahl von verschiedenen Udemy Tutorials, wie diese one. Sie sind großartig, um Vertrauen aufzubauen, aber sie zeigen im Allgemeinen nur generische Anwendungsfälle mit Datensätzen, die normalerweise viel sauberer sind als die, die Sie im echten Leben sehen.
Stellen Sie jedoch sicher, dass Sie die konzeptionelle Grundlage dessen verstehen, was Sie tun. Jeder kann gehen importieren Scikitlearn und einige Vorhersagen, aber was trennt einen Amateur von einem Profi in diesem in der Lage, Ihre eigenen benutzerdefinierten Algorithmen zu schreiben, zu verstehen, die Randfälle und untergeordnete Nuancen (dh wann L1 gegen L2 zu verwenden Regularisierung, oder ob Ihr Datenmuster bedeutet, dass Sie eine RBK vs lineare Support-Vektor-Maschine implementieren können), usw. Dafür würde ich sehr empfehlen, ein paar maschinelle Lern- und Predictive-Analytics-Lehrbücher, wie Applied Predictive Modeling von Max Kuhn und Kjell Johnson .
Endlich gibt es eine Vielzahl von großartigen Podcasts zu hören. Ein ziemlich zugänglicher für Anfänger, um sich mit grundlegenden Prinzipien der Datenwissenschaft vertraut zu machen, ist die The Data Skeptic.
- 1. NLP/Machine Learning Textvergleich
- 2. PHP-Machine-Learning-Bibliothek?
- 3. Machine Learning für Tippfehler
- 4. Azure Machine Learning - CORS
- 5. Python Machine Learning Warnung
- 6. Export Machine Learning Modell
- 7. Machine Learning Training & Test Datenaufteilungsmethode
- 8. Azure Machine Learning Eingabegröße angeben
- 9. Azure Machine Learning-Webservice Eingabedatenproblem
- 10. Großvolumiges SVM (Machine Learning) System
- 11. Machine Learning Instanz basierte Lernen
- 12. Azure Machine Learning Request Reaktionslatenz
- 13. Automatisierung von Azure Machine Learning
- 14. Machine Learning-Bibliotheken in C#
- 15. GATE Machine Learning funktioniert nicht
- 16. Wie erkennen Sie die Ereignisse mit NLP und Machine Learning?
- 17. Machine Learning-Algorithmus für die Datenklassifizierung.
- 18. Machine Learning Naive Bayes Klassifizierer in Python
- 19. Verwenden der Apache Mahout Machine Learning-Bibliotheken
- 20. C/C++ Machine Learning-Bibliotheken für Clustering
- 21. Weka Machine Learning: ARFF-Datei: multiple Relationen
- 22. Machine Learning Algorithmus zur Vorhersage von Innentemperatur
- 23. Machine Learning-Bibliotheken in s + (oder R)?
- 24. Wie man eine Einkaufsliste automatisch sortiert? (Naive Machine Learning)
- 25. Wie verbinden wir Azure Machine Learning Studio mit Google BigQuery?
- 26. Starten von Azure Machine Learning-Algorithmen aus Python- oder R-Skript
- 27. Machine Learning-Algorithmen: Welchen Algorithmus für welches Problem?
- 28. Machine Learning Multiclass-Klassifizierung für Tausende von Klassen
- 29. Machine Learning Philosophie: Anwendung von Modell auf verzerrte Daten
- 30. Unterschied zwischen Parametern, Features und Klasse in Machine Learning
[Scikit-lernen] (http://scikit-learn.org/stable/) ist ein großartiges Werkzeug, um maschinelle Lernalgorithmen in Python zu erstellen. Sie können einige interessante Dinge finden, nur durch die Navigation auf der Website. Dieses [Buch] (http://neuralnetworksanddeeplearning.com/chap1.html) könnte auch ein guter Anfang sein, um neuronale Netze zu verstehen (eine sehr populäre Technik beim maschinellen Lernen). Plus, diese [Seite] (http://machinelearningmastery.com/a-tour-of-machine-learning-algorithms/) durchläuft die meisten verwendeten Techniken des "maschinellen Lernens" und könnte ein guter Anfang für Sie sein. –
danke Gregoire G. –