《Mastering Machine Learning with Python in Six Steps》

蜗牛最近精力真是有限,很快就要大考了,不过读书不能停。

接下来几天读一读 《Mastering Machine Learning with Python in Six Steps》这本书。

如书名 in Six Steps,本书结构也是 6 部分。

step 1:主要讲了 python 的安装和一些基础。

step 2:讲了机器学习的发展史,分为 监督式,非监督式,解决问题的基本流程,核心 package 的主要组件。

常用中间的CRISP-DM流程。

一个框架解决几乎所有机器学习问题

step 3:机器学习基础,包括 数据的类型,特征工程,数据探索方法,以及回归

/分类/聚类等基础算法。

step 4:调优,讲了如何选择合适的模型参数,超参数,Bagging/Boosting/Stacking 等模型融合方法。

step 5:讲了在文本挖掘方面的应用,包括 数据预处理的常用几种方法,以及如何做 情感分析和推荐系统。

step 6:深度学习,简单介绍几种神经网络,FNN,CNN,RNN。

机器学习&人工智能博文链接汇总

step 3:3.1 数据的类型

对于不同类型的数据,可以通过相应的描述性统计方法来观察数据:

3.2 特征工程

讲了几种基本方法,例如

对缺失数据,

< 5% 时可以删除,2. 用 mean/average or mode

or median 等值进行代替,3. 用随机数替代, 4. 或者用简单的回归/分类模型预测。

对类别数据,

可以用 One Hot Encoder 转化,2. 可以用 LabelEncoder() 转化成 0 到

n_classes-1 的数字

对数据进行规范化,

Normalizing:将数据范围缩到 0 to 1, 2. standardization:将数据转化成标准正态分布的

3.3 数据探索

单变量的可以用 value_counts(), hist(), boxplot() 等方法,

多变量的可以用 Correlation Matrix 看相关关系,

也可以用 matrix of scatter plots 看各对变量间的关系和分布,

通过这些可视化的观察,可以得到一些基本的发现,例如 missing values,各变量的range,变量间相关性等。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180202G0GT6800?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券