大家好，今天小编关注到一个比较有意思的话题，就是关于掌握python机器学习的问题，于是小编就整理了4个相关介绍掌握Python机器学习的解答，让我们一起看看吧。
- 想学习python用来做机器学习方面的内容（如建立LDA模型），该如何入门并学习？
- 已学完Python基础知识，应该如何继续提升算法能力，以及如何过渡到机器学习？
- Python机器学习，如何特征学习人脸？
- 用python做机器学习有哪些资料推荐？
想学习python用来做机器学习方面的内容（如建立LDA模型），该如何入门并学习？
Python基础
首先，装ANACONDA，是PYTHON的集成环境。
ANACONDA的安装程序 ***s://***.continuum.io/downloads/ ，选择PYTHON3版本的。
推荐 菜鸟教程 PYTHON3版***://***.runoob***/python3/python3-tutorial.html
CSDN也有PYTHON的知识库，不过不够系统，可以有一定基础再看看。链接***://lib.csdn.net/base/python
***://python.jobbole***/82758/
程序很短，知识量很大。把这个搞明白了，你也就入门了。
已学完Python基础知识，应该如何继续提升算法能力，以及如何过渡到机器学习？
书推荐国内公认机器学习入门好书南大周志华的《西瓜书》和中文翻译的AI圣经《花书》
机器学习SK-learn以及人工智能方面的TensorFlow 与pytorch，keras等，这些框架去学习一下，并实际操作一些项目，机器学习与人工智能分很多方向，包括计算机视觉，自然语言处理等，看你喜欢哪个方向的
Python机器学习，如何特征学习人脸？
对于人脸识别经过这么多年的发展，目前已经相对成熟，当然不排除双胞胎之类的识别错误，目前智能手机上其实都有人脸检测的存在，比如拍照时的定焦就可以直接根据检测出来的人脸做参照物，也有笑脸拍照这样的功能，现在苹果，华为，阿里等公司在手机解锁、支付等方面都有具体应用。
对于提取人脸特征这块主要经历两个大的算法时代，一个就是12年以前经典的Adaboost算法基本达到了工业级的人脸检测，所使用的特征就是harr特征，通过大量不同组合的简单的黑白块的对比构建人脸五官上的特征。第二个就是深度学习算法，各种检测加识别都是通过构建CNN网络从大量人脸数据中提取各种特征。
用python做机器学习有哪些资料推荐？
sklearn, 去***下载，里面讲解非常详细，同时还要学习一个pandas，numpy，matplotlib。***的话直接在爱奇里搜机器学习，有一个免费的系列***，希望能帮助到你。记住，是免费的。
如今确实挺多诸如数据分析、机器学习的岗位选择使用python做开发的多，那么，如果是想从事机器学习开发的话，该如何起步呢？
要想把机器学习用起来，就得先掌握python的基础，诸如import、对象等的一些概念和使用要了然于心，否则基础不扎实的话，就会面临很多琐碎的问题。对于python基础的掌握，推荐慕课网教程，个人听过感觉还[_a***_]。 当然，书籍方法的话推荐《Python编程 从入门到实践》，此书可以充当字典，遇到不会的可以多翻翻。
python提供了很多可以很好支出程序进行矩阵、线性和统计等的数学运算，像大部分机器学习的开发者都熟悉的Scikit Learn包一样，里面封装了很多算法，可以让我们事半功倍。但也相应的需要我们花时间去了解里面包的使用，在这里推荐去***看（***s://scikit-learn.org/stable），里面也提供了很多例子供我们参考和研习。当然，也可以购买相应的书籍，这里推荐《机器学习实战：基于Scikit-Learn和TensorFlow》。此书涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等，帮助读者掌握Scikit-Learn的常用方法；探讨深度学习和常用框架TensorFlow，一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络，以及卷积神经网络。
机器学习需要使用的算法是很多的，虽然前辈们已经为我们留下了各种包方便我们使用，但真正解决机器学习开发者级别的，还在于内功的深厚，也就是算法。 只有真正的弄懂了算法，在开发的过程中才能真正的知其然而又知其所以然。 懂得了算法，你才能知道为什么需要这样做，为什么那样做会产生那样的结果，如何更好的调参等。 如果没有算法做铺垫，很快就会迷失在调包的迷雾中，很难更近一步的往上。 在这里，推荐你去看吴恩达机器学习课程，这门课程在网易公开课上也有。 同时，也建议你去看机器学习的入门教材，也就是周志华出的《机器学习》，此书对于新手来说也算是一件宝物。在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章，大致分为3 个部分：此书介绍机器学习的基础知识；讨论了—些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）后期还涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。
到此，以上就是小编对于掌握python机器学习的问题就介绍到这了，希望介绍关于掌握python机器学习的4点解答对大家有用。
