Python 30 天 – 第 26 天 – 机器学习基础(python机器学习)

作者 : 慕源网 本文共2070个字,预计阅读时间需要6分钟 发布时间: 2021-10-15 共214人阅读

Python 30 天 - 第 26 天 - 机器学习基础(python机器学习)

本文是 30 天 Python 挑战系列的一部分。您可以在此处找到本系列之前所有帖子的链接

我的 Python 30 天学习挑战系列处于最后阶段,在整个挑战过程中,我探索了 Python 语言的基本概念,并尝试了一些中级和高级概念。我想利用这次挑战作为探索另一个领域的机会,我听说过很多但自己从未尝试过任何领域 – 机器学习和数据科学。所以在这个挑战的最后几天,我想使用 Python 了解机器学习和数据科学的基本概念,并尝试构建一些项目并分享我所学到的东西。这将是未来深入探索该领域的一个很好的起点。

什么是机器学习?

机器学习是计算机科学领域,通过该领域计算机能够生成算法并最终通过分析提供给它们的数据来提高其解决问题的能力。它是人工智能的一个子集或一部分,它使计算机能够在没有人工干预的情况下执行任务。

机器学习 (ML) 是对通过经验自动改进的计算机算法的研究。它被视为人工智能的一个子集。机器学习算法基于样本数据(称为“训练数据”)构建数学模型,以便在没有明确编程的情况下做出预测或决策。- 维基百科

为什么是机器学习?

耐克创始人菲尔奈特有一句名言:

“不要告诉人们如何做事,告诉他们该做什么,让他们用结果让你感到惊讶。”

在研究使用机器学习的原因时,我想到了这句话。

如果我们将上面引用中的“people”替换为“computers”,它就会变成

“不要告诉计算机如何做事,告诉他们该做什么,让他们用结果让你感到惊讶。”

我认为这几乎总结了为什么机器学习有用且如此相关。

这里有一些文章,如果您有兴趣了解更多信息

  • https://www.quora.com/Why-is-machine-learning-being-given-so-much-importance
  • https://www.dataversity.net/a-brief-history-of-machine-learning/

机器学习的类型

机器学习就是根据传入的数据预测结果。机器学习可以大致分为以下几种类型,

  • 监督 – 这里输入数据集是分类的。
    • 分类 – 提供的输入数据具有某种标签,可帮助机器根据分类对它们进行细分。这样提供的苹果和橙子数据集将分割苹果和橙子。
    • 回归 – 重复执行任务以获得结果,例如确定股票价格
  • 无监督 – 当输入数据没有被任何标签分类时,使用无监督算法
    • 聚类 – 聚类或分组数据
    • 关联规则学习
  • 强化 – 通常也称为技能获取或实时学习。在这种情况下,机器使用反复试验来确定最佳结果的可能性。例如,计算机可以自学玩一百万次游戏以找出获得最高分。

机器学习的基本步骤

一般来说,机器学习包括以下主要步骤:

  • 从某个来源导入数据
  • 如果需要,清理数据以删除任何不相关的数据
  • 将数据拆分为训练集和测试集。
  • 创建模型或算法或函数
  • 检查输出
  • 改进并重复上述步骤

用于机器学习的 Python

机器学习或实际上 AI 与语言无关。然而,Python 是机器学习专家、数据科学家和大公司正在使用的流行语言之一,因为它拥有庞大的社区和大量的社区构建工具,任何人都可以开始探索该领域的可能性。

Python基本上有,

  • 丰富的图书馆生态系统
  • 入门门槛低 – 对于没有编程经验的人来说很容易上手
  • 它非常灵活
  • 平台不可知
  • 易于阅读
  • 庞大的社区

机器学习工具

我将探索机器学习和数据科学基础知识的工具是,

  • Jupyter Notebooks – 它是 Anaconda 工具包的一部分
  • Numpy 一个用 Python 进行科学计算的包
  • Pandas – 使用 Python 进行数据分析的库
  • Mathplotlib – 使用 Python 创建可视化的库

还有其他几种工具,但在挑战的最后几天,我将主要介绍这些工具的基础知识。我将在未来探索其他工具,如 Tensorflow,同时探索更多关于机器学习的内容。

资源

我决定将一些精选的与机器学习和数据科学相关的资源加入书签,以作为未来的良好参考。

  • https://www.coursera.org/learn/machine-learning
  • https://research.fb.com/blog/2018/05/the-facebook-field-guide-to-machine-learning-video-series/
  • https://developers.google.com/machine-learning/crash-course
  • https://ai.google/education/
  • https://www.udacity.com/course/intro-to-tensorflow-for-deep-learning–ud187
  • https://www.edx.org/course/machine-learning-with-python-a-practical-introduct
  • https://www.youtube.com/watch?v=7R52wiUgxZI&t=107s
  • https://www.youtube.com/watch?v=h0e2HAPTGF4

 

我对使用 Python 学习这个新领域感到非常兴奋。我将在接下来的日子里分享我开发的项目,并希望在旅途中学习新的概念。 


慕源网 » Python 30 天 – 第 26 天 – 机器学习基础(python机器学习)

常见问题FAQ

程序仅供学习研究,请勿用于非法用途,不得违反国家法律,否则后果自负,一切法律责任与本站无关。
请仔细阅读以上条款再购买,拍下即代表同意条款并遵守约定,谢谢大家支持理解!

发表评论

开通VIP 享更多特权,建议使用QQ登录