七步精通Python机器学习

BauerLauren 发布于1年前
0 条问题

开始。这是最容易令人丧失斗志的两个字。迈出第一步通常最艰难。当可以选择的方向太多时,就更让人两腿发软了。

从哪里开始?

本文旨在通过七个步骤,使用全部免费的线上资料,帮助新人获取最基本的 Python 机器学习知识,直至成为博学的机器学习实践者。这篇概述的主要目的是带领读者接触众多免费的学习资源。这些资源有很多,但哪些是最好的?哪些相互补充?怎样的学习顺序才最好?

我假定本文的读者不是以下任何领域的专家:

▪  机器学习

▪  Python

▪  任何 Python 的机器学习、科学计算、数据分析库

如果你有前两个领域其一或全部的基础知识,可能会很有帮助,但这些也不是必需的。在下面几个步骤中的前几项多花点时间就可以弥补。

第一步:基本 Python 技能

如果要使用 Python 进行机器学习,拥有对 Python 有基础的理解非常关键。幸运的是,Python 是当前普遍使用的流行语言,并纳入了科学计算和机器学习的内容,所以找到入门教程并不困难。在选择起点时,很大程度上要取决于你之前的 Python 经验和编程经验。

首先要安装 Python 。由于我们要使用机器学习和科学计算的 packages , 这里建议安装  Anaconda 。Anaconda 是一个可在 Linux , OSX , Windows 上运行的 Python 实现工具,拥有所需的机器学习 packages ,包括 numpy,scikit-learn,matplotlib。它还包含iPython Notebook ,一个带有许多教程的交互式环境。这里推荐使用 Python 2.7 ,不是因为特殊原因,只是因为它是目前安装版本中的主流。

如果你之前没有编程知识,建议你阅读这本免费电子书,然后再接触其他学习材料:

  Python The Hard Way 作者Zed A. Shaw

如果你之前有编程知识,但不是Python的,又或者你的Python水平很基础,推荐下列一种或几种教程:

▪  Google Developers Python Course ((强烈推荐给视觉型学习者)

▪  An Introduction to Python for Scientific Computing (from UCSB Engineering) 作者 M. Scott Shell (一个很好的 Python 科学计算简介,60 页)

对于想要速成课程的人,这里有:

▪  Learn X in Y Minutes (X = Python)

当然,如果你是个经验丰富的 Python 程序员,可以跳过这一步。尽管如此,还是建议你把通俗易懂的 Python documentation 放在手边。

第二步:机器学习基础技能

KDnuggets 的 Zachary Lipton 指出, 人们对于“数据科学家”的认知千差万别。 这实际上是对机器学习领域的反映。数据科学家在不同程度上使用计算学习算法。要建立和使用支持向量机模型,熟知 核函数 方法是否是必需的?答案当然不是。就像现实生活中的许多事情一样,所需要的理论深入程度与具体的实际应用有关。获取对机器学习算法的深入理解不是本文的讨论范围, 而且这通常需要在学术领域投入大量时间,或者至少要通过密集的自学才能达到。

好消息是,你不必拥有博士级别的机器学习理论能力才能进行实践,就如同不是所有程序员都必须接受计算机理论教育才能写好代码。

吴恩达在 Coursera 的课程饱受赞誉。但我的建议是去看看一名以前的学生做的笔记。略过那些针对 Octave(一个与 Python 无关的,类 Matlab 语言)的内容。需要注意,这些不是“官方”的笔记,虽然看起来的确抓住了吴恩达课程材料的相关内容。如果你有时间,可以自己去 Coursera 完成这个课程 : Andrew Ng’s Machine Learning course

▪  非官方课程笔记链接

除了吴恩达的课程以外,还有很多其他视频教程。我是 Tom Mitchell 的粉丝,下面是他(与Maria-Florina Balcan 共同完成的)最新的课程视频,对学习者非常友好:

▪  Tom Mitchell Machine Learning Lectures

你不需要现在看完全部的笔记和视频。比较好的策略是向前推进,去做下面的练习,需要的时候再查阅笔记和视频。比如,你要做一个回归模型,就可以去查阅吴恩达课程有关回归的笔记以及/或者 Mitchell 的视频。

第三步:科学计算 Python packages 一览

好了。现在我们有了 Python 编程经验,并对机器学习有所了解。Python 有很多为机器学习提供便利的开源库。通常它们被称为 Python 科学库(scientific Python libraries),用以执行基本的数据科学任务(这里有一点程度主观色彩):

▪  numpy – 主要用于 N 维数组

▪  pandas – Python 数据分析库,包含 dataframe 等结构

▪  matplotlib – 2D 绘图库,产出质量足以进行印刷的图

▪  scikit-learn – 数据分析、数据挖掘任务使用的机器学习算法

学习以上这些内容可以使用:

▪  Scipy Lecture Notes 作者 Gaël Varoquaux, Emmanuelle Gouillart, Olav Vahtras

下面这个 pandas 教程也不错,贴近主题:

▪  10 Minutes to Pandas

在后面的教程中你会看到其他一些 packages ,比如包括 Seaborn ,一个基于 matplotlib 的可视化库。前面提到的 packages (再次承认具有一定主观色彩)是许多 Python 机器学习任务的核心工具。不过,理解它们也可以让你在之后的教程中更好理解其他相关 packages。

好了,现在到了有意思的部分…..

第四步:开始用 Python 进行机器学习

Python。搞定。

机器学习基础。搞定。

Numpy。搞定。

Pandas。搞定。

Matplotlib。搞定。

是时候用 Python 的标准机器学习库,scikit-learn,实现机器学习算法了。

scikit-learn 算法选择图

下面许多教程和练习都基于交互式环境 iPython (Jupyter) Notebook 。这些 iPython Notebooks有些可以在网上观看,有些可以下载到本地电脑。

▪  iPython Notebook 概览 斯坦福大学

也请注意下面的资源来自网络。所有资源属于作者。如果出于某种原因,你发现有作者没有被提及, 请告知我 ,我会尽快改正。在此特别要向 Jake VanderPlas,Randal Olson,Donne Martin,Kevin Markham,Colin Raffel 致敬,感谢他们提供的优秀免费资源。

下面是 scikit-learn 的入门教程。在进行下一个步骤之前,推荐做完下列全部教程。

对于 scikit-learn 的整体介绍,它是 Python 最常用的通用机器学习库,包含knn最近邻算法:

▪  An Introduction to scikit-learn 作者 Jake VanderPlas

更深入更宽泛的介绍,包含一个新手项目,从头到尾使用一个著名的数据集:

▪  Example Machine Learning Notebook 作者 Randal Olson

专注于 scikit-learn