如何使用 Python 學習機器學習（Machine Learning）

admin

什麼是機器學習（Machine Learning）？

機器學習是一種資料科學的技術，協助電腦從現有的資料學習，以便預測未來的行為、結果和趨勢。根據學習的方式又可以分為需要解答的監督式學習（Supervised learning）、非監督式學習（Unsupervised learning）和增強學習（Reinforcement learning）（還有一種混合式的半監督式學習）等子類別。機器學習技術可以應用的範圍十分廣泛，總的來說機器學習可以解決以下幾種問題：

• 分類問題：這是 A 類 或 B 類嗎？
• 異常值判斷：這很奇怪嗎？
• 預測性分析：有多少？
• 分群問題：這是如何組織的？
• 增強學習協助決策：我接下來該怎麼辦？
  
  

當我們蒐集到相關、精確、連貫、足夠資料就可以挑選合適的演算法進行模型的的建置。

為什麼選擇 Python？

在資料科學和機器學習領域最重要的兩大程式語言就是 Python 和 R，Python 簡潔易學、應用範圍廣（不限於數據分析）且學習曲線平緩，適合作為第一個入門的程式語言，透過 pandas、SciPy/NumPy、sckikit-learn、matplotlib 和 statsmodels 可以進行數據分析的工作，適合工程任務和需要和網路應用程式整合的專案。至於 R 由於是統計學家開發的程式語言，則是擅長於統計分析、圖表繪製，常用於學術研究領域，建議也要有一定程度的掌握。一般情況下 Python 和 R 並非互斥，而是互補，許多資料工程師、科學家往往是在 Python 和 R 兩個語言中轉換，小量模型驗證、統計分析和圖表繪製使用 R，當要撰寫演算法和資料庫、網路服務互動等情況時在移轉到 Python。為了降低學習成本，我們先使用 Python 進行介紹。

若對於 Python 和 R 比較，這邊有兩篇文章可以參考 数据科学界华山论剑：R与Python巅峰对决、Which is better for data analysis: R or Python?。

如何開始入門機器學習？

事實上，資料科學是個跨領域學門，在學習如何使用 Python 進行機器學習過程中通常必須掌握以下知識：

• 機器學習演算法
• Python 程式語言和資料分析函式庫
• 線性代數/統計學等相關學門
• 專業領域的領域知識（Domain Knowledge）
  

為了掌握以上三大領域知識（我們先把焦點放在機器學習核心技法，暫時忽略資料科學中對於領域知識的掌握），具體來說我們可以有以下步驟可以參考：

• 掌握基礎 Python 程式語言知識
  線上學習資源：
  
  
  • Codecademy
  • DataCamp （也可以學 R）
  • Learn X in Y Minutes (X = Python)
  • Learn Python the Hard Way
    
• 了解基礎數學/統計學和機器學習基礎知識
  
  
  • 可汗學院線性代數
  • Intro to Descriptive Statistics
  • Intro to Inferential Statistics
  • Andrew Ng 機器學習課程
  • Andrew Ng 機器學習筆記
  • Carnegie Mellon University Machine Learning
    
• 知道如何使用 Python 科學計算函式庫和套件
  推薦安裝 Anaconda，支援跨平台多種版本 Python，預設將數據分析、科學計算的套件裝好，自帶 spyder 編輯器、Jupyter Notebook（IPython Notebook），可以提供一個網頁版介面，讓使用者可以透過瀏覽器進行 Julia、Python 或 R 程式的開發與維護。
  
  
  • numpy：科學分析，Scipy Lecture Notes 教學文件
  • pandas：資料分析
  • matplotlib：會製圖瞟
  • scikit-learn：機器學習工具
    
• 使用 scikit-learn 學習 Python 機器學習應用
  
  
  • Machine Learning: Python 機器學習：使­用Pytho­n
    
• 運用 Python 實作機器學習演算法
  
  
  • 感知器
  • 決策樹
  • 線性迴歸
  • k-means 分群
    
• 實作進階機器學習演算法
  
  
  • SVM
  • KNN
  • Random Forests
  • 降低維度
  • 驗證模型
    
• 了解深度學習（Deep Learning）在 Python 的實作和應用
  
  
  • NTU Applied Deep Learning
  • Stanford Deep Learning
  • 深度學習(Deep Learning)自學素材推薦
  • 深度學習 Deep Learning：中文學習資源整理
    

總結

以上整理了一些機器學習網路學習資源，若你累積一些小小經驗後，不妨挑戰一下 Kaggle 測試一下自己的實力並累積更多數據分析的經驗。

source from:http://blog.techbridge.cc/2017/0 ... arning-with-python/