机器学习:scikit-learn 文档、深入学习机器学习的思路
一、scikit-learn 的文档查阅
- 网页访问 scikit-learn 的文档:
- scikit-learn.org —— Document —— User Guide:
- scikit-learn.org —— Document —— API
- API 下可以直接搜索某一类,然后查看其用法;
- scikit-learn 的文档相对于机器学习的教材,而不单是讲解类、函数、参数、变量等的功能及使用规则;
二、深入学习机器学习的思路
- 实际工作中,有很多时间,很重的任务都是在处理数据:预处理、特征工程、非监督学习的工作;
1)掌握数据操作的方式:数据预处理
- pandas
- 对应真实的数据,通常先使用 pandas 预处理数据,之后转成 numpy 的 array 传给 sklearn ;
- 特征工程
- 算法与特征工程的关系:算法是算法,特征工程是特征工程。好的算法没有好的特征是毫无用武之地的。只用一个人的名字做特征,什么样的算法也无法判断这个人是否患某种疾病,就算给了身高体重也没用!而只有特征没有算法也是没有意义的,面对一片数据,无从下手。
- 线性回归:可以做为特征选择的依据;
- LASSO 回归:也可以用于特征选择;
- 决策树、随机森林等算法:可以用于辨识已知特征的重要程度;
- 深度学习等方法,背后其实很大程度也是在解决特征的问题;
- 所有的非监督学习,或多或少都可以叫做在做特征工程(或者是数据的预处理);
- PCA 就是非监督算法:降维不仅仅是将高维特征映射到了低维空间,更能起到降噪的作用;
- 很多general的特征工程的思想其实隐藏在统计学中。系统学习一遍统计学,对发掘数据中的“秘密”很有帮助。毕竟,统计学的作用,就是要发掘数据中的“秘密”;
- 从某种程度上讲,各个专业领域研究的一个很重要的方向,都可以理解成在做特征工程。比如医学:研究到底哪些基因和哪些疾病相关;心理学,研究哪些大脑活动和哪些情绪相关;经济学,研究哪些社会现象,和经济表现结果相关,等等等等。
2)非监督学习、监督学习、集成学习
- 实际在一些应用上,非监督学习可能会发挥很大的作用;
- 非监督学习中,最常见的是降维、去燥;
- 集成学习在机器学习竞赛中使用很广泛,老师建议深入学习;
3)特殊领域的特殊方法
- 无论是图像、NPL(自然语言处理)、医疗成像,都有专门的算法;
- 经典算法(kNN、线性回归、多项式回归、逻辑回归、SVM、决策树、集成学习,等)是特殊领域中特殊算法的基石;
4)数学建模的方法
- PRML:《Pattern Recognition and Machine Learning》,书籍,主要讲解数学建模的方法;
- 最典型的一类数学建模方法,就是随机过程中涉及的模型。如 HMM 在语音识别中的应用,或者对时序数据的建模,等;
5)工具
- Pandas
- TensorFlow、Keras:深度学习领域的算法库;
- xgboost:集成学习算法工具;(机器学习领域,集成学习效果很好)
6)学习材料
- 数据或者教材,在数量、可选择性、质量等方面,国内的教程相差国外教程很大;
- 最好的材料都散落在互联网上,需要一点点挖掘;
- Kaggle
- Kaggle Learn 模块:https://www.kaggle.com/learn/overview
- Kaggle 的入门指导:https://www.kaggle.com/c/titanic#tutorials
- Kaggle 官方博客:http://blog.kaggle.com/
- Kaggle 论坛:https://www.kaggle.com/discussion
- Kaggle 比赛中解决问题第一名的解决方案:http://ndres.me/kaggle-past-solutions/
- 波波老师(大牛):https://www.imooc.com/t/108955
机器学习:scikit-learn 文档、深入学习机器学习的思路的更多相关文章
- webpack搭建vue项目开发环境【文档向学习】
为何有这篇文章 各个社区已经有无数篇帖子介绍如何使用webpack搭建前端项目,但无论是出于学习webpack的目的还是为了解决工作实际需要都面临着一个现实问题,那就是版本更新.别人的帖子可能刚写好版 ...
- 机器学习-scikit learn学习笔记
scikit-learn官网:http://scikit-learn.org/stable/ 通常情况下,一个学习问题会包含一组学习样本数据,计算机通过对样本数据的学习,尝试对未知数据进行预测. 学习 ...
- Unity shader 官网文档全方位学习(一)
转载:https://my.oschina.net/u/138823/blog/181131 摘要: 这篇文章主要介绍Surface Shaders基础及Examples详尽解析 What?? Sha ...
- C# 动态生成word文档 [C#学习笔记3]关于Main(string[ ] args)中args命令行参数 实现DataTables搜索框查询结果高亮显示 二维码神器QRCoder Asp.net MVC 中 CodeFirst 开发模式实例
C# 动态生成word文档 本文以一个简单的小例子,简述利用C#语言开发word表格相关的知识,仅供学习分享使用,如有不足之处,还请指正. 在工程中引用word的动态库 在项目中,点击项目名称右键-- ...
- bootstrap2文档的学习
就像刚开始的 优雅,直观,强大的前端框架,让web开发更快,更容易,bootstrap给我的感觉就是把常用的布局,组件(导航,列表,按钮,表格),还有规范化颜色等等,同时它的遍历不至于此,他还支持了自 ...
- bash帮助文档简单学习;bash手册翻译
关于bash的四种工作方式的不同,可以参考:http://feihu.me/blog/2014/env-problem-when-ssh-executing-command-on-remote/,但是 ...
- Unity shader 官网文档全方位学习(二)
摘要: 这篇文章主要介绍Lighting model及自定义Lighting model 上文咱们学了surface shader.这玩意在开始的时候啊,在定义哪个函数处理surface时用一定要指定 ...
- 使用SKlearn(Sci-Kit Learn)进行SVR模型学习
今天了解到sklearn这个库,简直太酷炫,一行代码完成机器学习. 贴一个自动生成数据,SVR进行数据拟合的代码,附带网格搜索(GridSearch, 帮助你选择合适的参数)以及模型保存.读取以及结果 ...
- 学习Java爬虫文档的学习顺序整理
1.认识正则表达式(Java语言基础) https://www.toutiao.com/i6796233686455943693/ 2.正则表达式学习之简单手机号和邮箱练习 https://www.t ...
随机推荐
- RazorEngine性能研究(反射的延深)
先说下结论 1)RazorEngine 确实很慢,编译过程特别慢,编译过后仍不适合大量重复调用的情况(一次调用可以接受). 2 ) RazorEngine 和 asp.net mvc 里的Razo ...
- 【codevs2011】最小距离之和 [LNOI2013](Floyd)
题目网址:http://codevs.cn/problem/2011/ 题目大意:有一个图,每次删一条边(可以重复删),求每次删边之后所有点对的最短距离之和. 看了一眼题目,顿时发现了O(n^4)的暴 ...
- 经典的MapReduce1中的失败
经典的MapReduce1中的失败在MapReduce1运行时,主要考虑三种失败的模式,运行任务失败.tasktracker失败以及jobtracker失败1. 任务运行失败首先考虑子任务失败的情况. ...
- 初探MyBatis之HelloWorld(一)
官方地址:https://github.com/mybatis/mybatis-3 准备: 官方中文文档地址:http://www.mybatis.org/mybatis-3/zh/getting-s ...
- java collection接口源码
package java.util; 02. 03./* 04.* 1.Collection接口是集合继承关系中的根接口(root interface),有些集合允许重复元素, 05.* 有些集合有序 ...
- eclipse导入redis的源码
import--c/c++ Executable 选择编译后的so文件.这样就导入工程了. 可以在eclipse直接修改c代码,重新编译后就能看到效果了. 重新编译: 1:make clean 2: ...
- node express框架基本配置
node express框架基本配置 初始化项目 express -e 安装依赖包 npm install 安装第三方包 npm install xxx --save-dev dos 运行node a ...
- 2D游戏摄像机跟随不出界
做2D游戏的时候碰上摄像机要跟随人物时要防止摄像机看到界面外的黑幕,直接上代码. using System.Collections; using System.Collections.Generic; ...
- 185. Department Top Three Salaries
问题描述 解决方案 select b.name Department,a.name Employee,a.salary Salary from Employee a,Department b wher ...
- python字典方法
本文参考自<python基础教程 (第二版)> 操作 语法 举例 结果 建立字典 dict() 1.以关键字参数建立字典 2.以其他映射作为参数建立字典 1.d = dict(name=' ...