Github標星1k+,懂點Python就能讀懂的機器學習全流程筆記
大資料文摘出品
作者:蔣寶尚
學完Python基礎,研究機器學習,聽說只需要呼叫scikit-learn庫就可以了?
圖樣圖森破!如果不瞭解機器學習演算法的原理,調整模型引數的時候就會一臉的懵。
下面文摘菌就給大家介紹一個機器學習教程,此教程已經衝到了GitHub熱榜第三的位置,內容既包含理論知識,又包含程式碼實現。
具體來說有四個方面的介紹,包括機器學習的定義、機器學習的起源,以及進化反向、機器學習的分類和類別、最常用的機器學習演算法,如何實現。
在機器學習的基礎方面,從線性迴歸入手,然後介紹、過擬合/欠擬合、正則、交叉驗證等必備知識點。
線性迴歸:如何使用,損失函式如何設計、求引數使用最小二乘還是梯度下降?
過擬合的表現以及原因,欠擬合的表現以及原因。
瞭解完機器學習基礎,進入機器學習的兩大分類,即監督學習和無監督學習。這一塊主要介紹演算法,監督學習涉及的內容包括:決策樹,KNN演算法、樸素貝葉斯、邏輯迴歸以及支援向量機。無監督學習有兩個演算法:聚類和主成分分析。
經典演算法研究完了,深度學習當然也不能放過,如果你剛接觸機器學習,只要瞭解經典神經網路,卷積神經網路,自動編碼,迴圈神經網路就可以了。
卷積神經網路必知必會
程式碼示例
從內容介紹來看,新手入門機器學習,掌握這個GitHub專案就可以了。最後再次給出地址:
https://github.com/machinelearningmindset/machine-learning-course
實習/全職編輯記者招聘ing
加入我們,親身體驗一家專業科技媒體採寫的每個細節,在最有前景的行業,和一群遍佈全球最優秀的人一起成長。座標北京·清華東門,在大資料文摘主頁對話頁回覆 “招聘” 瞭解詳情。簡歷請直接傳送至[email protected]
點「在看」的人都變好看了哦