análise de dados pessoais python para aprender a ler notas - Índice Índice
Tang Yu Di, ciência Ph.D. computador, inteligência artificial, especialistas de certificação sala de aula Netease nuvem, 51CTO Conferencista, CSDN especialista blog, conferencista. Tem muitos anos de treinamento experiência no campo da inteligência artificial, para liderar o currículo de desenvolvimento de pesquisa e desenvolvimento da equipe total de AI longo de mais de 60 anos, cobrindo áreas quentes atuais da Inteligência Artificial
livro combina aprendizado de máquina, análise de dados e linguagens Python, forma amigável através do caso para explicar como o algoritmo é aplicado à tarefa real. Os capítulos 20, dividido em quatro porções. A primeira parte descreve o kit de ferramentas Python, incluindo científica biblioteca computação Numpy, biblioteca análise de dados Pandas, biblioteca de visualização Matplotlib; Parte 2 explica o algoritmo clássico na aprendizagem de máquina, tais como algoritmo de regressão, árvores de decisão, algoritmo conjunto, máquinas de vetores de suporte, agrupamento algoritmo; parte 3 descreve a profundidade do algoritmo de aprendizagem utilizados, incluindo redes neurais, redes neurais convolutional, rede neural recorrente; parte 4 do projeto de combate, com base em conjuntos de dados reais, o algoritmo é aplicado ao modelo de negócio real .
O livro está interessado adequado na inteligência artificial, aprendizado de máquina, análise de dados e outros iniciantes e entusiastas.
O livro recomendado Roteiro de aprendizagem:
"Python análise de dados e aprendizagem de máquina prático - Tang Yu di" notas de estudo Capítulo 1 - conceito de aprendizagem, ambiente inspeção
1.1 aprendizagem de máquina aplicações:
2, a aprendizagem de máquina processo:
Em geral, o processo de aprendizagem de máquina é dividido nas seguintes etapas:
um primeiro passo ①: coleta de dados e pré-processamento . Por exemplo, a notícia vai ser um monte de fatores não relacionados personagens doping especiais e de publicidade, primeiro temos que eliminar estes. Além disso, o artigo pode também ser utilizada para a palavra, extrair as palavras-chave e outras operações, que serão analisados em pormenor em processos subsequentes.
O primeiro passo ②: Feature Project, também conhecido como extração de características . Por exemplo, algumas notícias, descrevendo "desenho carreira de Kobe para uma conclusão bem sucedida, se aposentou oficialmente hoje." Obviamente, esta é uma notícia esporte-relacionados, mas o computador pode não reconhecer Kobe Bryant, por isso precisa de converter as pessoas podem ler caracteres em um computador pode reconhecer o valor. Esta etapa parece fácil, mas fazê-lo é muito difícil, e parte muito importante da máquina de aprender a construir recurso de entrada apropriado.
Passo ③: modelo de construção . Esta etapa é apenas para treinar um classificador pode, é claro, o processo de modelagem também envolve um monte de ajuste dos parâmetros de trabalho, apenas para estabelecer um modelo semelhante é fácil, mas você quer ser modelo perfeito também requer um monte de experimentos.
O primeiro passo ④: Avaliação e Previsão . Finalmente, para concluir a construção do modelo pode prever o juiz, e depois artigo pré-tratada é passada no modelo, a máquina vai nos dizer qual é derivado, de acordo com os dados para saber o que resultados.
1.3 configuração do ambiente:
1) ambiente de download Recomendado Anaconda integrado.
Baixar a versão correspondente pode ser instalado. notebook jupyter integrado, skyder e assim por diante. Nota Tsinghua espelho modificado, referência: https://www.cnblogs.com/downmoon/p/12447551.html
No entanto, o convite pessoalmente, adoro Eclipse, depois de tudo, um ambiente de desenvolvimento multi-linguagem.
Se houver um pacote individual não pode usar pip instalar, onde você pode tentar baixar whl. https://www.lfd.uci.edu/~gohlke/pythonlibs/
2) caderno jupyter
Uma ótima ferramenta para o ensino.
Se a instalação ou configuração tiver alguma dúvida, pode ser encontrada aqui: https://www.cnblogs.com/downmoon/p/12598135.html
1.4 Outros recursos:
Github: https://github.com/
GitHub oferece uma riqueza de projetos de código aberto e código.
comunidade Kaggle: https://www.kaggle.com/
Seu conteúdo são dados relevantes e científicos, podemos usá-lo como um local de corrida, incluindo não só todas as esferas de conjuntos de dados de vida, mas também as mais brilhantes soluções grande Deus.
Resumo: Este capítulo descreve a aprendizagem rota Python e aprendizagem de máquina como um todo, o livro usado por ambiente Anaconda único a obter.
Capítulo 1 acabamento.
análise de dados pessoais python para aprender a ler notas - Índice Índice
O download recursos livro, ir para a comunidade assíncrona: https://www.epubit.com