教程名稱:
xa0 xa0 xa0xa0機器學(xué)習(xí)入門 Scikit-learn實現(xiàn)經(jīng)典小案例 Python3 Python入門機器學(xué)習(xí)
教程內(nèi)容:
xa0 xa0 Scikit-learn作為開源項目其中的代碼質(zhì)量和風(fēng)格變化是非常大的,覆蓋算法跨度也相當大。相比較于速度Scikit-learn更看重的是代碼可讀性以及易用性并且開發(fā)文檔已經(jīng)相當完善。先理論后實際,大家學(xué)習(xí)的時候稍微注意下,數(shù)據(jù)挖掘或者機器學(xué)習(xí)的開發(fā)步驟和傳統(tǒng)的軟件開發(fā)步驟是有區(qū)別的。教程通過5個案例通俗易懂的為你講解機器學(xué)習(xí)。涉及到的知識點有以下幾點:回歸模型、詞袋模型,邏輯回歸,ROC、所用知識:TF-IDF,knn、所用知識:協(xié)同過濾、深度特征,遷移學(xué)習(xí)等。可應(yīng)用在各種場景。并且選用了Scikit-learn+Jupyter Notebook使用起來較為便捷的開發(fā)工具。
教程目錄:
1.機器學(xué)習(xí)概述
本章講述了機器學(xué)習(xí)的基本概念,本門課的內(nèi)容,以及在本門課中使用的一些工具安裝方法和基本使用方法。
2.回歸模型—理論
本章講述了回歸模型的基本原理和算法,并結(jié)合回歸介紹了交叉驗證的方法。
3.回歸模型—房價預(yù)測進階案例
通過一個預(yù)測房價的實際例子來展示了如何實際的構(gòu)建和應(yīng)用回歸模型。
4.分類模型—理論
本章講述了分類模型的基本原理和算法,并介紹了一些評估分類器好壞的方法。
5.分類模型—情感分析進階案例
通過一個情感分析的實際例子來展示了如何實際的構(gòu)建和應(yīng)用分類模型。
6.聚類和相似度模型—理論
本章講述了聚類和基于相似度模型的基本原理和算法,并且介紹了文本分析中最重要的一種表示方式TF-IDF。
7.聚類和相似度模型—維基百科人物相似度案例
通過一個維基百科中的文本分析實際例子來展示了如何實際的構(gòu)建和應(yīng)用聚類和相似度模型。
8.推薦系統(tǒng)—理論
本章介紹了推薦系統(tǒng)的基本原理和方法,具體介紹常用的利用協(xié)同過濾和矩陣分解來構(gòu)建推薦系統(tǒng)的方法,并且還介紹了如何來處理冷啟動的情況。
9.推薦系統(tǒng)—構(gòu)建推薦系統(tǒng)案例
通過一個小型的基于用戶電影評分推薦系統(tǒng)的實踐案例結(jié)束課程
10.深度學(xué)習(xí)—理論
本章主要對深度學(xué)習(xí)進行了一個入門的介紹,講述了在圖像檢索中運用到的深度學(xué)習(xí)理論和算法,然后引申到利用深度特征的遷移學(xué)習(xí)。
11.神經(jīng)網(wǎng)絡(luò)—案例部分
利用神經(jīng)網(wǎng)絡(luò)來計算XOR
12.結(jié)尾章
本章是本門課程的最后一章,主要講述了如何部署機器學(xué)習(xí)服務(wù),和機器學(xué)習(xí)以后的發(fā)展方向,還有一些機遇和挑戰(zhàn)。