python的生态系统python：Python生态下的机器学习：极简机器学习课程 满满干货

在这个快速发展的互联网时代，每1天都有新的创新和突破出现。现在，就让我们聊1聊最近互联网界的1些热门话题，看看有哪些令人瞠目结舌的事情正在发生。

在众多机器学习生态中，Python是发展最快的应用机器学习平台之1在这个极简机器学习课程中，您将了解如何在14天内学习使用Python构建准确的模型并自信地完成预测建模机器学习项目课程将包括分步教程和所有示例的Python源代码文件。

让我们出发吧。

这个极简机器学习课程适合你吗?在我们开始之前，让我们确保你适合这个极简课程上面的列表提供了1些关于本课程目标对象的1般特征如果你没有完全符合这些要点，没有要惊慌，你可能只需要在1个或另1个领域复习1下才能跟上。

知道如何编写少量代码的开发人员这意味着，如果您了解1些其他编程语言的基本语法，再学习Python就没有是什么大问题了这并没有意味着你得是1个经验老到的程序员，你可以毫没有费力地使用1种基本的类C语言就足够了懂1点机器学习的开发人员。

这意味着你知道机器学习的基础知识，比如交叉验证、1些算法和偏差方差权衡这并没有意味着你是1个机器学习博士，只是你知道地标或者知道在哪里可以找到它们需要注意的是，这个极简课程既没有是Python的教科书，也没有是机器学习的教科书。

它将把你从1个知道1点机器学习的开发人员变成1个可以使用Python生态系统(专业机器学习的新兴平台)获得结果的开发人员极简课程概述这个极简课程分为14节课你可以每天完成1节课(推荐)或在1天内完成所有课程。

(硬核!)这取决于你有多少时间和你的热情程度以下是将帮助您开始使用Python进行机器学习的14节课程：第1课:并安装Python和SciPy生态系统第二课:使用Python、NumPy、Matplotlib和Pandas。

第3课:从CSV加载数据第四课:用描述性统计理解数据第五课:用可视化理解数据第六课:通过预处理数据为建模做准备第7课:用重采样方法进行算法评估第八课:算法评估指标第九课:抽查算法第十课:模型比较和选择第十1课:通过算法调优提高准确性

第十二课:用集成预测提高准确性第十3课:完成并保存模型第十四课:Hello World端到端项目每节课可能没有到30分钟慢慢来，按照自己的节奏完成课程提出问题，或者在上面的评论中发布结果这些课程希望你迈开步子，去找出做事的方法。

我会给你1些提示，但我更希望你强迫自己学习去哪里寻找关于Python机器学习平台的帮助我确实在先期的课程中提供了更多的帮助，因为我希望你们建立1些信心和惯性坚持，没有要放弃！这比高考简单多了，没有是吗？第1课简介:并安装Python和SciPy

在您拥有1个可用的Python平台之前，您无法开始使用Python生态下的机器学习今天的课程很简单，您必须在计算机高低载并安装Python 3.8平台（您可以尝试最新的版本）访问Python主页并适用于您的操作系统(Linux、OS X或Windows)的Python。

在计算机上安装Python您可能需要使用特定于平台的包管理器，例如OS X上的macports或RedHat Linux上的yum当然，Windows下的Python安装包无疑是最便捷的开始，但我建议您试试Linux或者鸿蒙环境。

您还需要安装SciPy平台和scikit-learn库我建议您使用取安装Python相同的方法您可以使用Anaconda1次安装所有内容(更容易)推荐初学者使用，这可是众多数据科学家的瑞士军刀（稍晚，我会专门发布1个关于配置Anaconda的教程。

请先关注我的百家号，您将及时得到新内容更新的提示）现在，通过在命令行输入" Python "首次启动Python首先，使用上面的代码检查您的最小可用Python机器学习平台所有工具的版本:# Python version。

import sysprint(Python: {}.format(sys.version))# scipyimport scipyprint(scipy: {}.format(scipy.__version__))

# numpyimport numpyprint(numpy: {}.format(numpy.__version__))# matplotlibimport matplotlibprint(matplotlib: {}.format(matplotlib.__version__))

# pandasimport pandasprint(pandas: {}.format(pandas.__version__))# scikit-learnimport sklearnprint(sklearn: {}.format(sklearn.__version__))

第二课简介:使用Python、NumPy、Matplotlib和Pandas现在，您需要能够阅读和编写基本的Python脚本作为1名开发人员，您可以很快地掌握新的编程语言Python区分大小写，使用(#)表示注释，并使用空格表示代码块(在Python语言中，空格很重要)。

今天的任务是在Python交互环境中练习Python编程语言的基本语法和重要的SciPy数据结构练习在Python中使用列表和流控制练习使用NumPy数组练习在Matplotlib中创建简单的图练习使用Pandas系列和dataframe。

例如，上面是1个创建Pandas DataFrame的简单示例# dataframeimport numpyimport pandasmyarray = numpy.array([[1, 2, 3], [4, 5, 6]])。

rownames = [a, b]colnames = [one, two, three]mydataframe = pandas.DataFrame(myarray, index=rownames, columns=colnames)

print(mydataframe)第3课简介:从CSV加载数据机器学习算法需要数据你可以从CSV文件中加载你自己准备的数据集当你开始在Python中学习机器学习时，建议您在标准的机器学习数据集上完成您的练习。

您今天的任务是熟练地将数据加载到Python中，并查找和加载标准的机器学习数据集有许多优秀的CSV格式的标准机器学习数据集，您可以在UCI机器学习库并练习练习使用标准库中的CSV.reader()将CSV文件装入Python。

练习使用NumPy和NumPy .loadtxt()函数加载CSV文件练习使用Pandas和Pandas .read_csv()函数加载CSV文件上面是1个代码片段，它将直接使用Pandas从UCI机器学习库加载皮马印第安人的糖尿病发病数据集。

# Load CSV using Pandas from URLimport pandasurl = "https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv"

names = [preg, plas, pres, skin, test, mass, pedi, age, class]data = pandas.read_csv(url, names=names)

print(data.shape)干得好！坚持下去。【未完待续】请关注我的百家号，当内容更新时，您将第1时间得到通知。告发/反馈

本文转载于万像素才网：https://www.wanxiangsucai.com/