七步精通Python机器学习

七步精通Python机器学习主题数据挖掘Python开始。这是最容易令人丧失斗志的两个字。迈出第一步通常最艰难。当可以选择的方向太多时，就更让人两腿发软了。从哪里开始？本文旨在通过七个步骤，使用全部免费的线上资料，帮助新人获取最基本的Python机器学习知识，直至成为博学的机器学习实践者。这篇概述的主要目的是带领读者接触众多免费的学习资源。这些资源有很多，但哪些是最好的？哪些相互补充？怎样的学习顺序才最好？我假定本文的读者不是以下任何领域的专家：▪

机器学习▪

Python

▪

任何Python的机器学习、科学计算、数据分析库如果你有前两个领域其一或全部的基础知识，可能会很有帮助，但这些也不是必需的。在下面几个步骤中的前几项多花点时间就可以弥补。第一步：基本Python技能

如果要使用Python进行机器学习，拥有对Python有基础的理解非常关键。幸运的是，Python是当前普遍使用的流行语言，并纳入了科学计算和机器学习的内容，所以找到入门教程并不困难。在选择起点时，很大程度上要取决于你之前的Python经验和编程经验。首先要安装Python。由于我们要使用机器学习和科学计算的packages，这里建议安装Anaconda。Anaconda是一个可在Linux,OSX,Windows上运行的Python实现工具，拥有所需的机器学习packages，包括numpy，scikit-learn，matplotlib。它还包含iPythonNotebook，一个带有许多教程的交互式环境。这里推荐使用Python2.7，不是因为特殊原因，只是因为它是目前安装版本中的主流。如果你之前没有编程知识，建议你阅读这本免费电子书，然后再接触其他学习材料：▪

PythonTheHardWay作者ZedA.Shaw

如果你之前有编程知识，但不是Python的，又或者你的Python水平很基础，推荐下列一种或几种教程：▪

GoogleDevelopersPythonCourse（(强烈推荐给视觉型学习者）▪

AnIntroductiontoPythonforScientificComputing(fromUCSBEngineering)作者M.ScottShell(一个很好的Python科学计算简介，60页)

对于想要速成课程的人，这里有：▪

LearnXinYMinutes(X=Python)当然，如果你是个经验丰富的Python程序员，可以跳过这一步。尽管如此，还是建议你把通俗易懂的

Pythondocumentation

放在手边。

第二步：机器学习基础技能KDnuggets的ZacharyLipton指出，人们对于“数据科学家”的认知千差万别。这实际上是对机器学习领域的反映。数据科学家在不同程度上使用计算学习算法。要建立和使用支持向量机模型，熟知核函数方法是否是必需的？答案当然不是。就像现实生活中的许多事情一样，所需要的理论深入程度与具体的实际应用有关。获取对机器学习算法的深入理解不是本文的讨论范围，而且这通常需要在学术领域投入大量时间，或者至少要通过密集的自学才能达到。好消息是，你不必拥有博士级别的机器学习理论能力才能进行实践，就如同不是所有程序员都必须接受计算机理论教育才能写好代码。吴恩达在Coursera的课程饱受赞誉。但我的建议是去看看一名以前的学生做的笔记。略过那些针对Octave（一个与Python无关的，类Matlab语言）的内容。需要注意，这些不是“官下面是scikit-learn的入门教程。在进行下一个步骤之前，推荐做完下列全部教程。对于scikit-learn的整体介绍，它是Python最常用的通用机器学习库，包含knn最近邻算法：▪

AnIntroductiontoscikit-learn作者JakeVanderPlas

更深入更宽泛的介绍，包含一个新手项目，从头到尾使用一个著名的数据集：▪

ExampleMachineLearningNotebook作者RandalOlson

专注于scikit-learn中评估不同模型的策略，涉及训练集/测试集拆分：▪

ModelEvaluation作者KevinMarkham

第五步：Python机器学习主题在scikit-learn打下基础以后，我们可以探索更多有用的常见算法。让我们从最知名的机器学习算法之一，k-means聚类开始。对于无监督学习问题，k-means通常简单有效：▪

k-meansClustering作者JakeVanderPlas

接下来是分类，让我们看看史上最流行的分类方法之一，决策树：▪

DecisionTreesvia

TheGrimmScientist分类之后，是连续数字变量的预测：▪

LinearRegression作者JakeVanderPlas

通过逻辑斯蒂回归，我们可以用回归解决分类问题：▪

LogisticRegression作者KevinMarkham

第六步：Python高级机器学习接触过scikit-learn，现在让我们把注意力转向更高级的内容。首先是支持向量机，一个无需线性的分类器，它依赖复杂的数据转换，把数据投向高维空间。▪

SupportVectorMachines作者JakeVanderPlas

接下来是随机森林，一种集成分类器。下面的教程通过

KaggleTitanicCompetition讲解。

▪

KaggleTitanicCompetition(withRandomForests)作者DonneMartin

降维是一种减少问题涉及的变量数目的方法。PCA主成分分析是一种无监督学习降维的特殊形式：▪

DimensionalityReduction作者JakeVanderPlas

在开始下一步之前，可以暂停一下，回想我们在短短的时间已经走了多远。通过使用Python和它的机器学习库，我们涵盖了一些最常用最知名的机器学习算法（knn最近邻，k-means聚类，支持向量机），了解了一种强有力的集成方法（随机森林），涉及了一些其他机器学习支持方案（降维，模型验证技巧）。在一些基础机器学习的技巧的帮助下，我们开始有了一个渐渐丰富的工具箱。在结束以前，让我们给工具箱增加一个需求很大的工具：第七步

：Python深度学习学习，深深地。到处都在深度学习！深度学习基于过去几十年的神经网络研究，但最近几年的发展大大增加了深度神经网络的能力和对于它的兴趣。如果你不熟悉深度学习，KDnuggets有许多文章

，详细介绍最近的进展、成果，以及对这项技术的赞誉。

本文的最后一部分并不想成为某种深度学习示范教程。我们会关注基于两个Python深度学习库的简单应用。对于想了解更多的读者，我推荐下面这本免费在线书：▪

NeuralNetworksandDeepLearning作者

MichaelNielsenTheanoTheano是我们关注的第一个Python深度学习库。根据作者所说：作为一个Python库，Theano让你可以有效定义、优化、评估包含多维数组的数学表达式。下面的Theano深度学习教程很长，但非常不错，描述详细，有大量评论：▪

TheanoDeepLearningTutorial作者

ColinRaffelCaffe我们关注的另一个库是Caffe。根据它的作者所说：Caffe是一个深度学习框架。开发过程中时刻考虑着表达式、速度、模型。它是由BerkeleyVisionandLearningCenter(BVLC)和社区贡献者共同开发的。这个教程是本文的压轴。尽管上面列举了一些有趣的案例，没有那个比得上下面这个：用Caffe实现Google的#DeepDrea