análisis de los datos personales de pitón para aprender a leer las notas - Índice Índice
Tang Yu Di, Ph.D. la informática, la inteligencia artificial, Netease nube expertos en certificación aula, 51CTO Profesor, RDCC experto blog, conferenciante. Tiene muchos años de experiencia en el entrenamiento en el campo de la inteligencia artificial, para dirigir el plan de estudios de desarrollo de la investigación y el desarrollo total del equipo AI largo de más de 60, que cubre las zonas calientes actuales de la Inteligencia Artificial
combina el libro de aprendizaje de máquina, análisis de datos y lenguajes Python, forma amigable a través del caso para explicar cómo el algoritmo se aplica a la tarea actual. Los 20 capítulos, dividido en cuatro porciones. La primera parte describe el conjunto de herramientas de Python, incluyendo biblioteca de computación científica Numpy, biblioteca de análisis de datos de las pandas, librería de visualización Matplotlib; Parte 2 explica el algoritmo clásico de aprendizaje automático, como algoritmo de regresión, árboles de decisión, conjunto algoritmo, máquinas de vectores soporte, algoritmo de agrupamiento; parte 3 describe la profundidad del algoritmo de aprendizaje utilizado, incluidas las redes neuronales, redes neuronales convolucional, la red neuronal recurrente; la parte 4 del proyecto de combate, basado en conjuntos de datos reales, el algoritmo se aplica al modelo de negocio real .
El libro es adecuado interesados en la inteligencia artificial, aprendizaje automático, análisis de datos y otros principiantes y aficionados.
El libro recomienda Aprendizaje Hoja de Ruta:
"Python análisis de datos y aprendizaje automático práctica - Tang Yu Di" notas de estudio Capítulo 1 - Máquina concepto de aprendizaje, entorno de entrada
1.1 máquina de aprendizaje aplicaciones:
2, el aprendizaje de máquina de proceso:
En general, el proceso de aprendizaje de la máquina se divide a grandes rasgos en las siguientes etapas:
un primer paso ①: recopilación de datos y de tratamiento previo . Por ejemplo, la noticia será una gran cantidad de factores no relacionados caracteres especiales dopaje y la publicidad, primero tenemos que eliminar a estos. Además, el artículo también puede ser utilizado por palabra, palabras clave extracto y otras operaciones, que serán analizadas en detalle en los casos siguientes.
El primer paso ②: Característica del proyecto, también conocido como extracción de características . Por ejemplo, algunas noticias, que describe "dibujo carrera de Kobe a una conclusión exitosa, se retiró oficialmente hoy." Obviamente, esta es una noticia relacionada con el deporte, pero el equipo no reconozca Kobe Bryant, por lo que necesita para convertir a la gente puede leer los caracteres en un ordenador puede reconocer el valor. Este paso parece fácil, pero hacerlo es muy difícil, y parte muy importante de aprender cómo construir función de entrada correspondiente máquina.
Paso ③: Modelo de construcción . Este paso es sólo para entrenar a un clasificador puede, por supuesto, el proceso de modelado también implica una gran cantidad de ajuste de los parámetros de trabajo, sólo para establecer un modelo similar es fácil, pero usted quiere ser un modelo perfecto también requiere una gran cantidad de experimentos.
El primer paso ④: Evaluación y Pronóstico . Por último, para completar la construcción del modelo puede predecir el juez, y luego el artículo pretratado se pasa en el modelo, la máquina va a decirnos que se deriva de acuerdo con los datos de aprender qué resultados.
1.3 configuración del entorno:
1) Descarga recomendada Anaconda entorno integrado.
Descargar la versión correspondiente se puede instalar. jupyter portátil integrado, skyder y así sucesivamente. Nota Tsinghua espejo modificado, referencia: https://www.cnblogs.com/downmoon/p/12447551.html
Sin embargo, la invitación ama personalmente Eclipse, después de todo, un entorno de desarrollo en varios idiomas.
Si hay un paquete individual no se puede utilizar PIP instalar, donde se puede intentar descargar whl. https://www.lfd.uci.edu/~gohlke/pythonlibs/
2) portátil jupyter
Una gran herramienta para la enseñanza.
Si la instalación o configuración tienen alguna pregunta, se puede encontrar aquí: https://www.cnblogs.com/downmoon/p/12598135.html
1.4 Otros recursos:
Github: https://github.com/
GitHub ofrece una gran cantidad de proyectos de código abierto y código.
comunidad Kaggle: https://www.kaggle.com/
Sus contenidos son los datos relevantes y científicos, podemos utilizarlo como un lugar de la carrera, que incluye no sólo todos los ámbitos de la vida conjuntos de datos, sino también los más brillantes soluciones de gran dios.
Resumen: En este capítulo se describe la ruta de aprendizaje de Python y el aprendizaje máquina en su conjunto, el libro utilizado por el medio ambiente Anaconda único de conseguir.
Capítulo 1 de meta.
análisis de los datos personales de pitón para aprender a leer las notas - Índice Índice
La descarga recursos de libros, ir a la comunidad asíncrono: https://www.epubit.com