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