首页 > Python机器学习 阅读数:98

Python机器学习基础教程

Python机器学习机器学习,简称 ML,其思想并不复杂,仅仅是对人类生活、学习过程的一个模拟。作为当前最热门的话题之一,当初学者一脚踏入 AI 大门,首先面对的就是机器学习。

机器学习是人工智能的核心,是使计算机具有智能的根本途径。从宏观上讲,机器学习有两个层面的功效:面向过去(历史数据)找规律;根据归纳出来的规律面向未来(新样本)去预测。

更值得一提的是,机器学习是需要通过编程来实现的,其和普通编程的区别在于,它是从训练数据中学习的,其功能的实现依赖于数据的特性,而不需要显式编程。Python 作为当前最热门的编程语言之一,其简单程度可以和 C 语言比肩,用 Python 实现机器学习比较容易。读者只需要读懂这套 Python 机器学习教程,你将学会如何对数据有一定的洞察分析能力。

教程目录
1. 什么是机器学习,机器学习简介
2. 机器学习的三个步骤
3. 机器学习与传统编程的区别
4. 机器学习的分类(监督学习、非监督学习、半监督学习)
5. 机器学习中常见的损失函数
6. 监督学习是什么
7. 学习机器学习的好处有哪些
8. 机器学习中是如何处理误差的
9. 二分类和混淆矩阵
10. 查全率、查准率与F1分数
11. P-R曲线是什么
12. ROC曲线是什么
13. sklearn(scikit-learn)是什么
14. Python sklearn库的安装
15. 线性回归是什么
16. Python sklearn实例:预测波士顿房价
17. Python sklearn实现k-近邻算法
18. sklearn使用k-近邻算法实现鸢尾花分类
19. Logistic回归分类算法详解
20. Python sklearn模板实现Logistic回归算法
21. 人工神经网络是什么
22. 聚类是什么
23. k均值聚类算法的工作流程
24. k均值聚类算法的优缺点
25. Python sklearn模板实现k均值聚类算法
相关链接: