蓉杠学习网

python设置机器学习,python 机器学习

大家好,今天小编关注到一个比较意思的话题,就是关于python设置机器学习问题,于是小编就整理了4个相关介绍Python设置机器学习的解答,让我们一起看看吧。

  1. 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?
  2. 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?
  3. 机器学习学习完python后再怎么学,整个学习过程是什么?
  4. python做机器学习的话有哪些推荐的书跟课程?

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

python设置机器学习,python 机器学习div>
图片来源网络,侵删)

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设置机器学习,python 机器学习
(图片来源网络,侵删)

11 行 Python 代码实现神经网络

***://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。

python设置机器学习,python 机器学习
(图片来源网络,侵删)

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?

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

如果想学习机器学习的话,建议和视频一起看。

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》

***推荐斯坦福大学吴恩达的机器学习和深度学习相关课程

机器学习学习完python后再怎么学,整个学习过程什么

那就可以做项目了,无论是自己做项目还是几个人一起做项目都可以。图像,自然语言处理,金融预测都可以。如果做图像,那么推荐斯坦福的CS231n,偏重应用。如果做自然语言处理,推荐CS224。如果做金融预测,那么要额外去补一些大数据处理的方法论。另外论文不可不读,记住一点,论文只是论文,目的是为了开拓思路。哪怕是大牛的论文,不代表结果是好的。书其实没什么太好的书,我推荐Goodfellow的Deep learning。很多人建议一开始就特系统的学习,我不赞成。你踏进一个全新的系统希望通过一些指导系统的掌握一门技术,我认为效率很低。先动起手来,好读书不求甚解,宽度够了再来系统的深度学习。

python做机器学习的话有哪些推荐的书跟课程?

机器学习:

1.理论研究和推导可以看周志华老师的《机器学习》,也称为西瓜书,里面讲了各种算法的推导,比如线性回归,k值最近邻,支撑向量机等可解释模型,缺少神经网络的具体讲解。(还有一点就是其中不涉及到代码)

2.被奉为神作的是一本名为《Hands-On Machine Learning with Scikit-Learn,Keras&TensorFlow》,这本书把机器学习的讲解和代码结合在一块,从线性回归到支撑向量机再到深度学习都有设计(但以机器学习为主)

3.《机器学习实战》,真本书是一本比较经典的书,书比较老了,但是讲的挺好,这本书主要偏重代码,没有涉及到深度学习

深度学习:

1.理论研究的话可以参考花书《深度学习》,这本书纯粹讲理论推导,不涉及代码,是一本比较经典的书

2.《TensorFlow深度学习》,这本书Github上有免费的电子版,把深度学习的TF2.0相结合,俗称龙书,应该是TF书里面比较好的了

3.《动手学深度学习》pytorch版,这本书是把深度学习和Pytorch相结合,是Pytorch里面比较好的书籍了

课程的话:入门机器学习可以看吴恩达的课,主要是我[_a***_]喜欢看书自己学[捂脸][捂脸][捂脸]


到此,以上就是小编对于python设置机器学习的问题就介绍到这了,希望介绍关于python设置机器学习的4点解答对大家有用。

[免责声明]本文来源于网络,不代表本站立场,如转载内容涉及版权等问题,请联系邮箱:83115484@qq.com,我们会予以删除相关文章,保证您的权利。 转载请注明出处:http://www.rongung.com/post/18259.html

分享:
扫描分享到社交APP