首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python:常用机器学习框架

Python:常用机器学习框架

作者头像
昱良
发布2018-04-08 10:48:16
9980
发布2018-04-08 10:48:16
举报

科学计算 Python packages 一览 加入您有了 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 在你搞定Python基本编程,numpy ,pandas, matplotlib 后就可以利用scikit-learn实现机器学习算法了

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中评估不同模型的策略,涉及训练集/测试集拆分: ▪ Model Evaluation 作者 Kevin Markham Python机器学习主题 在scikit-learn打下基础以后,我们可以探索更多有用的常见算法。让我们从最知名的机器学习算法之一,k-means聚类开始。对于无监督学习问题,k-means通常简单有效: ▪ k-means Clustering 作者Jake VanderPlas 接下来是分类,让我们看看史上最流行的分类方法之一,决策树: ▪ Decision Trees via The Grimm Scientist 分类之后,是连续数字变量的预测: ▪ Linear Regression 作者 Jake VanderPlas 通过逻辑斯蒂回归,我们可以用回归解决分类问题: ▪ Logistic Regression 作者Kevin Markham Python高级机器学习 接触过scikit-learn,现在让我们把注意力转向更高级的内容。首先是支持向量机,一个无需线性的分类器,它依赖复杂的数据转换,把数据投向高维空间。 ▪ Support Vector Machines 作者 Jake VanderPlas 接下来是随机森林,一种集成分类器。下面的教程通过 Kaggle Titanic Competition讲解。 ▪ Kaggle Titanic Competition (with Random Forests) 作者 Donne Martin 降维是一种减少问题涉及的变量数目的方法。PCA主成分分析是一种无监督学习降维的特殊形式: ▪ Dimensionality Reduction作者 Jake VanderPlas 通过使用Python和它的机器学习库,我们涵盖了一些最常用最知名的机器学习算法(knn最近邻,k-means聚类,支持向量机),了解了一种强有力的集成方法(随机森林),涉及了一些其他机器学习支持方案(降维,模型验证技巧)。在一些基础机器学习的技巧的帮助下,我们开始有了一个渐渐丰富的工具箱。 在结束以前,让我们给工具箱增加一个需求很大的工具: Python深度学习

到处都在深度学习!深度学习基于过去几十年的神经网络研究,但最近几年的发展大大增加了深度神经网络的能力和对于它的兴趣。如果你不熟悉深度学习,KDnuggets 有许多文章 ,详细介绍最近的进展、成果,以及对这项技术的赞誉。 Theano Theano是我们关注的第一个Python深度学习库。根据作者所说: 作为一个Python库,Theano让你可以有效定义、优化、评估包含多维数组的数学表达式。 下面的Theano深度学习教程很长,但非常不错,描述详细,有大量评论: ▪ Theano Deep Learning Tutorial 作者 Colin Raffel Caffe 我们关注的另一个库是Caffe。根据它的作者所说: Caffe是一个深度学习框架。开发过程中时刻考虑着表达式、速度、模型。 它是由Berkeley Vision and Learning Center (BVLC) 和社区贡献者共同开发的。 这个教程是本文的压轴。尽管上面列举了一些有趣的案例,没有那个比得上下面这个:用Caffe实现Google的 #DeepDream。希望你喜欢!理解这个教程以后,尽情玩乐,让你的处理器开始自己做梦吧。 ▪ Dreaming Deep with Caffe via Google's GitHub

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2016-07-14,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习算法与Python学习 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档