您是否想知道开始学习机器学习需要做些什么？在本文中，我将逐步介绍如何开始使用 Python 进行机器学习。Python 是一种流行的开源编程语言，也是人工智能和其他相关科学领域中使用最多的语言之一。另一方面，机器学习 (ML) 是人工智能领域，它使用算法从数据中学习并进行预测。机器学习有助于预测我们周围的世界。
从自动驾驶汽车到股市预测再到在线学习，机器学习几乎应用于每个利用预测作为改进自身方式的领域。由于其实际用途，它是当前就业市场上最受欢迎的技能之一。此外，开始学习 Python 和机器学习很容易，因为有大量的在线资源和大量的 Python 机器学习库 可用。
要开始使用 Python 机器学习，您需要做什么？让我们逐步了解这个过程。
复习您的 Python 技能
由于 Python 在工业界和科学界都非常流行，因此您将毫不费力地找到 Python 学习资源。如果您是完全的初学者，您可以开始使用在线材料（例如课程、书籍和视频）学习 Python。例如
安装 Anaconda
下一步是安装 Anaconda。有了 Anaconda，您就可以开始探索 Python 机器学习的世界了。Anaconda 包包含探索机器学习所需的工具。
基本机器学习技能
掌握了基本的 Python 编程技能后，您就可以开始学习基本的机器学习技能了。实践方法足以入门；但是，如果您有兴趣深入研究该主题，请准备好投入数百小时的学习时间。
获得技能的一种有效方法是参加在线课程。Andrew Ng 在 Coursera 上的 机器学习课程 是一个不错的选择。其他值得一看的在线培训包括
（您还可以观看 LiveEdu.tv 上的机器学习直播，以了解该主题。）
了解更多关于 Python 包的信息
在对 Python 和机器学习有了很好的了解之后，考虑学习 开源 Python 库。科学 Python 库将使完成简单的机器学习任务变得容易；但是，这些库的选择完全是主观的，并且在行业中的许多人看来是值得商榷的。
一些值得查看的 Python 库包括
- Scikit-learn：一个简洁的机器学习算法库，可用于数据挖掘和数据分析任务。
- Tensorflow: 一个易于使用的神经网络库。
- Theano: Theano 是一个强大的机器学习库，可帮助您轻松评估数学表达式。
- Pattern：Pattern 可以帮助您进行自然语言处理、数据挖掘等等。
- Nilearn：Nilearn 基于 Scikit-learn，可帮助您进行简单快速的统计学习。
探索机器学习
了解了基本的 Python、机器学习技能和 Python 库后，您就一切准备就绪了。接下来尝试探索 Scikit-learn 库。一个值得查看的教程是 Jake VanderPlas 编写的 Scikit-learn 入门。
然后深入研究中级主题，例如 K 均值聚类算法入门、线性回归、决策树 和逻辑回归。
最后，深入研究高级机器学习主题，例如向量机和复杂数据转换。
与学习任何新技能一样，练习越多，您就会变得越好。练习不同的算法并使用不同的数据集，以更好地理解机器学习，并提高您的整体问题解决能力。
使用 Python 进行机器学习是您技术技能组合的绝佳补充，并且有大量免费和低成本的在线资源可供使用。您是如何掌握机器学习技能的？请在下方留言，或提交文章提案分享您的故事。
1 条评论