初學者機器學習教程

摘要： 資料科學家 在本教程中，我只向您解釋您需要成為一名資料科學家，而不是更多或更少。 資料科學家需要具備以下技能： 基本工具：像python，R或SQL。 你不需要知道一切。 你只需要學習如何使用python 基本統計：像平均值，中位數或標準差。 如果您瞭解基本統計資訊，...

資料科學家 在本教程中，我只向您解釋您需要成為一名資料科學家，而不是更多或更少。

資料科學家需要具備以下技能：

• 基本工具：像python，R或SQL。 你不需要知道一切。 你只需要學習如何使用python
• 基本統計：像平均值，中位數或標準差。 如果您瞭解基本統計資訊，則可以輕鬆使用python。
• 資料處理：處理混亂和困難的資料。 就像一個不一致的日期和字串格式。 正如你猜的那樣，python幫助了我們。
• 資料視覺化：標題實際上是解釋性的。 我們將使用像matplot和seaborn庫這樣的python來視覺化資料。
• 機器學習：你不需要理解機器學習技術背後的數學。 您只需要瞭解機器學習的基礎知識，並學習如何使用python時實現它。

作為總結，我們將學習python成為資料科學家！ 對於第1,2,3,4,5和6部分，請檢視“初學者”的“資料科學教程”。 https://www.kaggle.com/kanncaa1/data-sciencetutorial-for-beginners/

在本教程中，我不打算對您您學習機器學習，我將解釋如何自己學習一些東西。 孔子：授人以魚不如授人以漁。

目錄

• Python簡介：
  • Matplotlib
  • 字典
  • Pandas
  • 邏輯，控制流和過濾
  • 迴圈資料結構
• Python 資料科學工具箱
  • 使用者定義的函式
  • 範圍
  • 巢狀函式
  • 預設和靈活的引數
  • Lambda函式
  • 匿名函式
  • 迭代器
  • 列表組合
• 清洗資料
  • 診斷資料已進行清洗
  • 探索性資料分析EDA
  • 視覺化探索性資料分析
  • 整潔的資料
  • 資料透視
  • 資料合併
  • 資料型別
  • 缺失資料和使用assert進行測試
• Pandas基礎
  • Pandas回顧
  • 從零開始構建資料框
  • 視覺化探索性資料分析
  • 統計化探索性資料分析
  • 索引化Pandas時間序列
  • 重取樣Pandas時間序列
• 使用Pandas操作資料
  • 索引資料框
  • 切片資料框
  • 過濾資料框
  • 轉換資料框
  • 索引物件和標籤資料
  • 分層索引
  • 透視資料框
  • 堆疊和不堆疊資料框
  • 融化資料框
  • 類別和分組
• 資料視覺化
  • Seaborn：https：//www.kaggle.com/kanncaa1/seaborn-for-beginners
  • Bokeh: https://www.kaggle.com/kanncaa1/interactive-bokeh-tutorial-part-1
  • Bokeh: https://www.kaggle.com/kanncaa1/interactive-bokeh-tutorial-part-2
• 統計思維
  • https://www.kaggle.com/kanncaa1/basic-statistic-tutorial-for-beginners
• 機器學習
  • 有監督學習
    • EDA（探索性資料分析）
    • K-Nearest Neighbors（KNN）
    • 迴歸
    • 交叉驗證（CV）
    • 超引數調整
    • 資料預處理
  • 無監督學習
    • K均值聚類
    • 聚類評價
    • 標準化
    • 層次結構
    • T - 分散式隨機鄰域嵌入（T - SNE）
    • 主成分分析PCA
• 深度學習
• https://www.kaggle.com/kanncaa1/deep-learning-tutorial-for-beginners
• 時間序列預測
• https://www.kaggle.com/kanncaa1/time-series-prediction-tutorial-with-eda
• 用Pytorch做深度學習
• 人工神經網路：https://www.kaggle.com/kanncaa1/pytorch-tutorial-for-deep-learning-lovers
• 卷積神經網路：https://www.kaggle.com/kanncaa1/pytorch-tutorial-for-deep-learning-lovers
• 迴圈神經網路：https://www.kaggle.com/kanncaa1/recurrent-neural-network-with-pytorch

原文連結： https://www.kaggle.com/kanncaa1/machine-learning-tutorial-for-beginners

版權宣告：作者保留權利，嚴禁修改，轉載請註明原文連結。

資料人網是資料人學習、交流和分享的平臺http://shujuren.org 。專注於從資料中學習到有用知識。 平臺的理念：人人投稿，知識共享；人人分析，洞見驅動；智慧聚合，普惠人人。 您在資料人網平臺，可以1）學習資料知識；2）建立資料部落格；3）認識資料朋友；4）尋找資料工作；5）找到其它與資料相關的乾貨。 我們努力堅持做原創，聚合和分享優質的省時的資料知識！ 我們都是資料人，資料是有價值的，堅定不移地實現從資料到商業價值的轉換！