如何在 Python 中开始机器学习

Python会议 PyCon2014 最近举行了，会议视频已经在线了。

我一直在学习那些有趣的机器学习课程，并将在接下来的几周内分享一些。

对于刚开始接触Python中的数据科学或机器学习的人来说，Melanie Warrick 的一个精彩演讲非常值得一看，题目是《Python机器学习入门指南》。它大约有25分钟长。演讲的摘要是：

提供机器学习的介绍，以阐明它是什么，不是什么，以及它如何融入当前围绕数据分析和大数据的所有热门话题之中。

https://www.youtube.com/watch?v=uBorfxosVYs

Melanie 以一个伟大的 机器学习定义 开始，引用了 Arthur Samuel 的话：

计算机……在没有……明确编程的情况下进行学习的能力

她将机器学习定位为人工智能和数据科学中使用的工具集。同样地，她将大数据描述为超出常见技术捕获和整理能力的数据。这个定义我很赞同。尽管这次演讲是关于机器学习的介绍，但重点是机器学习在数据科学中的应用。

Melanie 将四种主要的数据科学角色描述为数据领导者、数据创意者、数据开发者和数据研究员，并使用图表指示每个角色进行的机器学习量。她还描述了一个数据科学项目的工作流程。

通过我的新书 《Python机器学习精通》，开启您的项目，书中包含分步教程以及所有示例的Python源代码文件。

Melanie Warrick 的数据科学项目流程。

她提供了一个使用 scikit-learn 在二维数据集（头部大小与大脑重量）上进行线性回归的可爱示例。她还很有用地将Python工具归类：

• 探索数据：pandas、statsmodels、matplotlib、numpy、unix
• 构建模型：scikit-learn、numpy、pandas、scipy
• 测试模型：scikit-learn、matplotlib
• 数据产品：API、Flask、Django
• 可视化：D3、Matplotplib、vincent和vega、ggplot

在结尾处还有一个关于Python和R承包的问题，她提出了一个恰当的建议：坚持使用一种语言（即Python），这样您就不需要在研究和生产之间切换语言。

该演讲 可在YouTube上观看，也可在 pyvideo存档 中找到。您可以查看 演讲的幻灯片 并从github下载 示例代码。Melanie 在 nyghtowl.io 上维护博客，您可以在 这里查看她关于该演讲的帖子。

发现 Python 中的快速机器学习！

在几分钟内开发您自己的模型

...只需几行 scikit-learn 代码

在我的新电子书中学习如何操作
精通 Python 机器学习

涵盖自学教程和端到端项目，例如
加载数据、可视化、建模、调优等等...

最终将机器学习带入
您自己的项目

跳过学术理论。只看结果。

查看内容