需学习 或者R, 以此来理解以及应用机器学习技术, 这两者是和C、Java、PHP相类似的编程语言, 然而, 因 以及R都较为年轻, 并且更"远离"CPU, 故而它们显得简省一些, 相较于R仅用来处理数据, 借助像是机器学习、统计算法以及漂亮的绘图来分析数据, 的优势是它适用于诸多其他问题。因为凭借更广阔的分布, 也就是运用Jango托管网站, 涉及自然语言处理NLP, 要访问推ter等网站的API, 与此同时, 像存在更多的传统语言那般, 比如较为流行的C。
在中学习机器学习的四个步骤
1、首先你要使用书籍、课程、视频来学习 的基础知识
2、随后那你必然要把控不一样的模块, 像是、NumPy、、NLP（自然语言处理）, 用以处置、清理、绘图以及理解数据。
3、紧接着, 你得有能力从网页那儿抓取数据, 不管是借助网站API也罢, 还是依赖网页抓取模块Soap也行。借助网页抓取之时, 可对数据予以收集, 所收集的数据能应用于机器学习算法。
4、到了最后的那一步, 你是必须要去学习机器学习工具的, 就好比像是 -Learn 一样, 又也许是要在抓取了的数据当中去执行那机器学习算法(ML-)。
1.入门指南：
存在一种方式, 它简单且能快速学习, 那就是去注册, 接着着手编程, 而后学习基础知识。另外有一种经典的学习办法, 它是借助y, 这是一个被众多编程者所推举的网站。随后又有一个出色的PDF, byte of。该社团为刚开始学习的人准备了一个资源列表list of。与此同时, 还有来自O'的书籍《Think 》, 能从这里免费把它下载。用于该介绍的最后那一个资源是涉及关于计量经济学, 以及关于统计学, 还有涉及数据分析的, 名为《 to for , and Data 》, 这里面同样涵盖了相关的基础知识。
2.机器学习的重要模块
探讨与机器学习紧密关联且最为关键的模块是: NumPy, 以及另外的一些。存在这样一本书籍, 此书覆盖了其中的一部分模块: 《Data with Open Tools》。接着是源于上述提到的免费书籍《 to for , and Data 》, 此项其表所含的模块同样有Numpy, 还有其他别的几个共同列于此。另有一个资源呈现为如此: for Data : Data with , NumPy, and , 这里面也列入了一些具备相当重要性的模块。这儿是别的免费模块有关的链接: Numpy, Numpy , NumPy指南, Data, Data, 相关数据, books。
其它资源:
3.从网站通过API挖掘和抓取数据
一旦理解了基础知识, 以及最重要的模块, 你就必须要学习怎样从不同的源收集数据, 这个技术也被叫做网页抓取, 传统的源是网站文本, 是通过API进入推ter或一类网站所得到的文本数据, 网页抓取方面的优秀书籍有, 《 the Web》, 这是免费书籍, 还有《Web with》, 以及《 Web with: Data from the Web》。
最后的那个文本数据, 必须得转换成为数值数据, 借助自然语言处理也就是NLP技术来完成, with和for上面是有相应资料的。其他的数据, 涵盖图片以及视频, 能够运用计算机图像技术实施分析: with, with:Tools and for, 以及and, 这些乃是图片分析方面的典型资源。
以下一系列例子当中呢, 存在着能够借助基本的命令行达成的情况、具备教育意义的情形、还有饶有趣味之处的实例, 以及网页抓取技术这一方面。
- 中的机器学习
机器学习可以分为四组：分类，聚类，回归和降维。
存在一种被称作监督学习的情况其实就是"分类", 它专门有助于进行图片方面的分类, 能够用来识别图片里面的特征或者脸型, 又或者凭借用户的外形去对用户予以分类, 并且还会给他赋予各有不同的分数值。而"聚类"这种情况出现在无监督学习当中, 它能够允许用户于数据里识别组或者集群。另外, "拟合"是那种允许借助参数集去估算出一个值的情况, 它可以被应用于预测那种住宅、公寓或者汽车的最优价格。
罗列了C、Scala、Java、Julia、Go、R和Ruby等语言里所有学习机器学习的重要模块、包以及技巧。有关机器学习的书籍, 我特别推荐《in》。尽管它有点短, 可它很可能是机器学习中的经典, 因为它提到了"集体智慧编程时代"。这两本书能帮助你通过抓取数据建立机器学习。最近关于机器学习的出版物大多都是基于模块-learn。因为在模块里所有算法都已进行了实现, 所以致使机器学习变得极为简单。你唯一需要去做的事情乃是告知, 究竟应当运用哪一种机器学习技巧 (ML-) 去对数据展开分析。
供免费使用的, 名为-learn的教程, 能够在-learn官方网站上面被找到。别的帖子, 能够借助以下链接来得到:
关于机器学习和 中模块 -learn 的书籍：
接下来数月将要发行的书籍包括：
机器学习相关的课程和博客
你期望获取一个学位, 去加入在线课程, 又或者参与线下讲习班、大本营以及大学课程吗? 这儿存在着一些针对逻辑分析、大数据、数据挖掘以及数据科学的在线教育站点链接: of links。另外则是推荐一些在线课程 - 这些课程来自: 和 Data。同时还有一些关于机器学习的博客列表: List of blogs。
其中之一是来自Jake的, 还有一个是来自其他人的, 是有关探索机器学习的, 十分优秀的, 存在于油Tube平台上的视频课程。
机器学习理论
要是打算对机器学习方面的理论展开学习, 那么, 《The of 》以及《 to 》, 是在过往常常会被拿来引用的被视作经典的书。之后呢, 另外还存在着两本跟这相关的书籍, 分别是《 to 》和《 A in 》。这些所提到的链接之中涵盖了免费的PDF格式文件, 你是不需要去支付费用的！要是你并不想要去阅读这些书籍的话, 那就去观看那个视频, 即15 hours of！
探求呀-一键呼喊程序员解答难题的高效工具, 有着高超能力之人提供一对一特定服务, 身为开发者进行程序编写时必定需要的官方网址:
那个名为 群的群体, 汇聚了数量众多的互联网领域精英, 还有技术总监, 架构师以及项目经理, 针对开源技术不断展开研究, 在此诚挚欢迎业内人士, 无论是功力深厚的大牛, 还是怀揣志向的新手, 只要是有志于投身 IT 行业工作的人员均可进入！