如何使用Python学习机器学习？_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
如何使用Python学习机器学习？
0|0|文档简介|
中国IT职业教育领先品牌|
总评分0.0|
如何使用Python学习机器学习？如何使用Python学习机器学习？
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
你可能喜欢*邮箱不能为空
*密码不能为空
*验证码不能为空
*昵称不能为空
*邮箱不能为空
点击获取验证码
*验证码不能为空
*密码不能为空
*密码不能为空
Python做机器学习经典书籍
粤ICP备号&&(C)2015版权所有今天看啥 热点：
利用Python，四步掌握机器学习，python四步掌握机器为了理解和应用机器学习技术，你需要学习&Python&或者&R。这两者都是与&C、Java、PHP&相类似的编程语言。但是，因为&Python&与&R&都比较年轻，而且更加&远离&CPU，所以它们显得简单一些。相对于R&只用于处理数据，使用例如机器学习、统计算法和漂亮的绘图分析数据，&Pthon&的优势在于它适用于许多其他的问题。因为&Python&拥有更广阔的分布（使用&Jango&托管网站，自然语言处理&NLP，访问&Twitter、Linkedin&等网站的&API），同时类似于更多的传统语言，比如&C&python&就比较流行。
在Python中学习机器学习的四个步骤
1、首先你要使用书籍、课程、视频来学习&Python&的基础知识
2、然后你必需掌握不同的模块，比如&Pandas、Numpy、Matplotlib、NLP&(自然语言处理)，来处理、清理、绘图和理解数据。
3、接着你必需能够从网页抓取数据，无论是通过网站API，还是网页抓取模块Beautiful&Soap。通过网页抓取可以收集数据，应用于机器学习算法。
4、最后一步，你必需学习机器学习工具，比如&Scikit-Learn，或者在抓取的数据中执行机器学习算法(ML-algorithm)。
1.Python入门指南：
有一个简单而快速学习Python的方法，是在&&&注册，然后开始编程，并学习&Python&基础知识。另一个学习Python的经典方法是通过&learnpythonthehardway&，一个为广大&Python&编程者所推荐的网站。然后还有一个优秀的&PDF，&byte&of&python&。python社团还为初学者准备了一个Python资源列表list&of&python&resources。同时，还有来自&O&Reilley&的书籍&《Think&Python》，也可以从这里免费下载&。最后一个资源是 Python&用于计量经济学、统计学和数据分析的介绍：《Introduction&to&Python&for&Econometrics,&Statistics&and&Data&Analysis&》，其中也包含了&Python&的基础知识。
2.机器学习的重要模块
关于机器学习最重要的模块是：NumPy,&Pandas,&Matplotlib&和&IPython&。有一本书涵盖了其中一些模块：《Data&Analysis&with&Open&Source&Tools》&。然后来自于1.的免费书籍《Introduction&to&Python&for&Econometrics,&Statistics&and&Data&Analysis》，同时也包括 Numpy，Pandas，Matplotlib&和&IPython这几个模块。还有一个资源是&Python&for&Data&Analysis:&Data&Wrangling&with&Pandas,&NumPy,&and&IPython，也包含了一些很重要的模块。以下是其他免费模块的相关链接：&Numpy&(Numerical&Python,&Numpy&Userguide,&Guide&to&NumPy),&&Pandas&(Pandas,&Powerful&Python&Data&Analysis&Toolkit，Practical&Business&Python，Intros&to&Pandas&Data&Structure)&&和&&Matplotlib&books。
10&minutes&to&Pandas
Pandas&for&machine&learning
100&NumPy&exercises
3.从网站通过API挖掘和抓取数据
一旦理解了Python的基础知识和最重要的模块，你必需要学习如何从不同的源收集数据。这个技术也被称作网页抓取。传统的源是网站文本，通过API进入twitter或linkedin一类网站得到的文本数据。网页抓取方面的优秀书籍包括：《&Mining&the&Social&Web》&（免费书籍），《Web&Scraping&with&Python》&和《&Web&Scraping&with&Python:&Collecting&Data&from&the&Modern&Web》。
最后这个文本数据必须要转换为数值数据，通过自然语言处理（NLP）技术完成，&Natural&language&processing&with&Python&和&Natural&Language&Annotation&for&Machine&Learning&上面有相应的资料。其它的数据包括图片和视频，可以使用计算机图像技术分析：&Programming&Computer&Vision&with&Python，Programming&Computer&Vision&with&Python:&Tools&and&algorithms&for&analyzing&images&&和&&Practical&Python&and&OpenCV&，这些是图片分析方面的典型资源。
以下例子中包括可以用基本的Python命令行实现，有教育意义，而且有趣的例子，以及网页抓取技术。
Mini-Tutorial:&Saving&Tweets&to&a&Database&with&Python&（微型教程：使用Python保存推文到数据库）
Web&Scraping&Indeed&for&Key&Data&Science&Job&Skills&（网页抓取关键数据科学工作技巧）
Case&Study:&Sentiment&Analysis&On&Movie&Reviews&（案例学习：电影评论中的情感分析）
First&Web&Scraper&（第一网页抓取）
Sentiment&Analysis&of&Emails&（邮件的情感分析）
Simple&Text&Classification&（简单文本分类）
Basic&Sentiment&Analysis&with&Python&（Python基础情感分析）
Twitter&sentiment&analysis&using&Python&and&NLTK&（使用Python和NLTK&做Twitter情感分析）
Second&Try:&Sentiment&Analysis&in&Python&（第二个尝试：Python情感分析）
Natural&Language&Processing&in&a&Kaggle&Competition&for&Movie&Reviews&&（电影评论相关Kaggle&Competition中的NLP自然语言处理）
4.&Python&中的机器学习
机器学习可以分为四组：分类，聚类，回归和降维。
&分类&也可以称作监督学习，有助于分类图片，用来识别图片中的特征或脸型，或者通过用户外形来分类用户，并给他赋不同的分数值。&聚类&发生在无监督学习的情况，允许用户在数据中识别组/集群。&回归&允许通过参数集估算一个值，可以应用于预测住宅、公寓或汽车的最优价格。
modules,&packages&and&techniques&罗列了&Python、C、Scala、Java、Julia、MATLAB、Go、R&和&Ruby等语言中所有学习机器学习的重要模块、包和技巧。有关Python机器学习的书籍，我特别推荐《Machine&learning&in&action》。尽管有点短，但它很可能是机器学习中的经典，因为它提到了&集体智慧编程时代&：Programming&Collective&Intelligence。这两本书帮助你通过抓取数据建立机器学习。最近关于机器学习的出版物大多都是基于模块&scikit-learn&。由于所有的算法在模块中都已实现，使得机器学习非常简单。你唯一要做的事就是告诉&Python&，应该使用哪一个机器学习技巧&(ML-technique)&来分析数据。
免费的&scikit-learn教程&可以在 scikit-learn 官方网站上找到。其他的帖子可以通过以下链接获取：
Introduction&to&Machine&Learning&with&Python&and&Scikit-Learn&（机器学习中 Python 和 Scikit-Learn 的介绍）
Data&Science&in&Python&（Python 中的数据科学）
Machine&Learning&for&Predicting&Bad&Loans&（用机器学习来预测坏账）
A&Generic&Architecture&for&Text&Classification&with&Machine&Learning&&&&&（通过机器学习来分类文本的通用架构）
Using&Python&and&AI&to&predict&types&of&wine&&（利用&Python&和&AI&人工智能来预测酒的品种）
Advice&for&applying&Machine&Learning&&（应用机器学习的建议）
Predicting&customer&churn&with&scikit-learn&&（使用&scikit-learn&预测用户流失）
Mapping&Your&Music&Collection&&（映射你的音乐收藏）
Data&Science&in&Python&&（Python&中的数据科学）
Case&Study:&Sentiment&Analysis&on&Movie&Reviews&&（案例学习：电影评论中的情感分析）
Document&Clustering&with&Python&&（Python中的文档聚类）
Five&most&popular&similarity&measures&implementation&in&python&&（5&个最流行的Python相似度测量的实现）
Case&Study:&Sentiment&Analysis&on&Movie&Reviews&&（案例学习：电影评论中的情感分析）
Will&it&Python?&&（将会是&Python&么？）
Text&Processing&in&Machine&Learning&&（机器学习中的文本处理）
Hacking&an&epic&NHL&goal&celebration&with&a&hue&light&show&and&real-time&machine&learning&&&（使用色彩灯光秀和实时机器学习黑入史诗级&NHL（北美冰球联赛）进球庆祝）
Vancouver&Room&Prices&（温哥华房间价格）
Exploring&and&Predicting&University&Faculty&Salaries&（探索和预测大学教师工资）
Predicting&Airline&Delays&&（预测航班延误）
关于机器学习和 Python 中模块 scikit-learn 的书籍：
Collection&of&books&on&reddit&&（收集&reddit&新闻网站上的书籍）
Building&Machine&Learning&Systems&with&Python&（用&Python&建立机器学习系统）
Building&Machine&Learning&Systems&with&Python,&2nd&Edition&（用&Python&建立机器学习系统，第二版）
Learning&scikit-learn:&Machine&Learning&in&Python&&（学习&scikit-learn:Python&中的机器学习）
Machine&Learning&Algorithmic&Perspective&&&(透视机器学习算法)
Data&Science&from&Scratch&&&First&Principles&with&Python&&(抓取的数据科学&&关于&Python&的首要原则)
Machine&Learning&in&Python&&&（Python&中的机器学习）
接下来数月将要发行的书籍包括：
《Introduction&to&Machine&Learning&with&Python》&（Python&机器学习的介绍）
《Thoughtful&Machine&Learning&with&Python:&A&Test-Driven&Approach》&（思考 Python&机器学习：接近测试驱动）
机器学习相关的课程和博客
你想要得到一个学位，加入在线课程，或者参加线下讲习班、大本营或大学课程么？这里有一些关于逻辑分析、大数据、数据挖掘和数据科学的在线教育站点链接：Collection&of&links&。另外推荐一些在线课程&来自Udacity的Coursera&课程：machine&learning&&和&Data&Analyst&Nanodegree。还有一些关于机器学习的博客列表：List&of&frequently&updated&blogs。
最后是来自&Jake&Vanderplas&和&Olivier&Grisel，关于探索机器学习的优秀&youtube&视频课程。
机器学习理论
想要学习机器学习的理论？那么，《The&Elements&of&statistical&Learning》和《&Introduction&to&Statistical&Learning》&是常常被引用的经典。然后还有另外两本书籍：《Introduction&to&machine&learning&》和《&A&Course&in&Machine&Learning》。这些链接包括免费的PDF，你不需要付费！如果不想阅读这些书籍，请观看视频：15&hours&theory&of&machine&learning！
问啊-一键呼叫程序员答题神器，牛人一对一服务，开发者编程必备官方网站：
QQ群 聚集很多互联网精英，技术总监，架构师，项目经理！开源技术研究，欢迎业内人士，大牛及新手有志于从事IT行业人员进入！
暂无相关文章
相关搜索：
相关阅读：
相关频道：
&&&&&&&&&&&&&&&&
Python教程最近更新