利用Python，四步掌握機器學習

來自： http://python.jobbole.com/84326/

?

為了理解和應用機器學習技術，你需要學習 Python 或者 R。這兩者都是與 C、Java、PHP 相類似的編程語言。但是，因為 Python 與 R 都比較年輕，而且更加“遠離”CPU，所以它們顯得簡單一些。相對于R 只用于處理數據，使用例如機器學習、統計算法和漂亮的繪圖分析數據， Pthon 的優勢在于它適用于許多其他的問題。因為 Python 擁有更廣闊的分布（使用 Jango 托管網站，自然語言處理 NLP，訪問 推ter、Linkedin 等網站的 API），同時類似于更多的傳統語言，比如 C python 就比較流行。

在Python中學習機器學習的四個步驟

1、首先你要使用書籍、課程、視頻來學習 Python 的基礎知識

2、然后你必需掌握不同的模塊，比如 Pandas、Numpy、Matplotlib、NLP (自然語言處理)，來處理、清理、繪圖和理解數據。

3、接著你必需能夠從網頁抓取數據，無論是通過網站API，還是網頁抓取模塊Beautiful Soap。通過網頁抓取可以收集數據，應用于機器學習算法。

4、最后一步，你必需學習機器學習工具，比如 Scikit-Learn，或者在抓取的數據中執行機器學習算法(ML-algorithm)。

1.Python入門指南：

有一個簡單而快速學習Python的方法，是在 codecademy.com  注冊，然后開始編程，并學習 Python 基礎知識。另一個學習Python的經典方法是通過 learnpythonthehardway ，一個為廣大 Python 編程者所推薦的網站。然后還有一個優秀的 PDF， byte?of?python 。python社團還為初學者準備了一個Python資源列表list?of?python?resources。同時，還有來自 O’Reilley 的書籍 《Think Python》，也可以從這里免費下載 。最后一個資源是 Python 用于計量經濟學、統計學和數據分析的介紹：《Introduction?to?Python?for?Econometrics,?Statistics?and?Data?Analysis 》，其中也包含了 Python 的基礎知識。

2.機器學習的重要模塊

關于機器學習最重要的模塊是：NumPy, Pandas, Matplotlib 和 IPython 。有一本書涵蓋了其中一些模塊：《Data?Analysis?with?Open?Source?Tools》 。然后來自于1.的免費書籍《Introduction?to?Python?for?Econometrics,?Statistics?and?Data?Analysis》，同時也包括 Numpy，Pandas，Matplotlib 和 IPython這幾個模塊。還有一個資源是 Python?for?Data?Analysis:?Data?Wrangling?with?Pandas,?NumPy,?and?IPython，也包含了一些很重要的模塊。以下是其他免費模塊的相關鏈接： Numpy (Numerical?Python, Numpy?Userguide, Guide?to?NumPy),  Pandas (Pandas,?Powerful?Python?Data?Analysis?Toolkit，Practical?Business?Python，Intros?to?Pandas?Data?Structure)  和  Matplotlib?books。

其它資源:

• 10?minutes?to?Pandas
• Pandas?for?machine?learning
• 100?NumPy?exercises

3.從網站通過API挖掘和抓取數據

一旦理解了Python的基礎知識和最重要的模塊，你必需要學習如何從不同的源收集數據。這個技術也被稱作網頁抓取。傳統的源是網站文本，通過API進入推ter或linkedin一類網站得到的文本數據。網頁抓取方面的優秀書籍包括：《 Mining?the?Social?Web》 （免費書籍），《Web?Scraping?with?Python》 和《 Web?Scraping?with?Python:?Collecting?Data?from?the?Modern?Web》。

最后這個文本數據必須要轉換為數值數據，通過自然語言處理（NLP）技術完成， Natural?language?processing?with?Python 和 Natural?Language?Annotation?for?Machine?Learning 上面有相應的資料。其它的數據包括圖片和視頻，可以使用計算機圖像技術分析： Programming?Computer?Vision?with?Python，Programming?Computer?Vision?with?Python:?Tools?and?algorithms?for?analyzing?images  和  Practical?Python?and?OpenCV ，這些是圖片分析方面的典型資源。

以下例子中包括可以用基本的Python命令行實現，有教育意義，而且有趣的例子，以及網頁抓取技術。

• Mini-Tutorial:?Saving?Tweets?to?a?Database?with?Python （微型教程：使用Python保存推文到數據庫）
• Web?Scraping?Indeed?for?Key?Data?Science?Job?Skills （網頁抓取關鍵數據科學工作技巧）
• Case?Study:?Sentiment?Analysis?On?Movie?Reviews （案例學習：電影評論中的情感分析）
• First?Web?Scraper （第一網頁抓取）
• Sentiment?Analysis?of?Emails （郵件的情感分析）
• Simple?Text?Classification （簡單文本分類）
• Basic?Sentiment?Analysis?with?Python （Python基礎情感分析）
• 推ter?sentiment?analysis?using?Python?and?NLTK （使用Python和NLTK 做推ter情感分析）
• Second?Try:?Sentiment?Analysis?in?Python （第二個嘗試：Python情感分析）
• Natural?Language?Processing?in?a?Kaggle?Competition?for?Movie?Reviews  （電影評論相關Kaggle Competition中的NLP自然語言處理）

4. Python 中的機器學習

機器學習可以分為四組：分類，聚類，回歸和降維。

“分類”也可以稱作監督學習，有助于分類圖片，用來識別圖片中的特征或臉型，或者通過用戶外形來分類用戶，并給他賦不同的分數值。“聚類”發生在無監督學習的情況，允許用戶在數據中識別組/集群。“回歸”允許通過參數集估算一個值，可以應用于預測住宅、公寓或汽車的最優價格。

modules,?packages?and?techniques 羅列了 Python、C、Scala、Java、Julia、MATLAB、Go、R 和 Ruby等語言中所有學習機器學習的重要模塊、包和技巧。有關Python機器學習的書籍，我特別推薦《Machine?learning?in?action》。盡管有點短，但它很可能是機器學習中的經典，因為它提到了“集體智慧編程時代”：Programming?Collective?Intelligence。這兩本書幫助你通過抓取數據建立機器學習。最近關于機器學習的出版物大多都是基于模塊 scikit-learn 。由于所有的算法在模塊中都已實現，使得機器學習非常簡單。你唯一要做的事就是告訴 Python ，應該使用哪一個機器學習技巧 (ML-technique) 來分析數據。

免費的 scikit-learn教程 可以在 scikit-learn 官方網站上找到。其他的帖子可以通過以下鏈接獲取：

• Introduction?to?Machine?Learning?with?Python?and?Scikit-Learn （機器學習中 Python 和 Scikit-Learn 的介紹）
• Data?Science?in?Python （Python 中的數據科學）
• Machine?Learning?for?Predicting?Bad?Loans （用機器學習來預測壞賬）
• A?Generic?Architecture?for?Text?Classification?with?Machine?Learning     （通過機器學習來分類文本的通用架構）
• Using?Python?and?AI?to?predict?types?of?wine  （利用 Python 和 AI 人工智能來預測酒的品種）
• Advice?for?applying?Machine?Learning  （應用機器學習的建議）
• Predicting?customer?churn?with?scikit-learn  （使用 scikit-learn 預測用戶流失）
• Mapping?Your?Music?Collection  （映射你的音樂收藏）
• Data?Science?in?Python  （Python 中的數據科學）
• Case?Study:?Sentiment?Analysis?on?Movie?Reviews  （案例學習：電影評論中的情感分析）
• Document?Clustering?with?Python  （Python中的文檔聚類）
• Five?most?popular?similarity?measures?implementation?in?python  （5 個最流行的Python相似度測量的實現）
• Case?Study:?Sentiment?Analysis?on?Movie?Reviews  （案例學習：電影評論中的情感分析）
• Will?it?Python?  （將會是 Python 么？）
• Text?Processing?in?Machine?Learning  （機器學習中的文本處理）
• Hacking?an?epic?NHL?goal?celebration?with?a?hue?light?show?and?real-time?machine?learning   （使用色彩燈光秀和實時機器學習黑入史詩級 NHL（北美冰球聯賽）進球慶祝）
• Vancouver?Room?Prices （溫哥華房間價格）
• Exploring?and?Predicting?University?Faculty?Salaries （探索和預測大學教師工資）
• Predicting?Airline?Delays  （預測航班延誤）

關于機器學習和 Python 中模塊 scikit-learn 的書籍：

• Collection?of?books?on?reddit  （收集 reddit 新聞網站上的書籍）
• Building?Machine?Learning?Systems?with?Python （用 Python 建立機器學習系統）
• Building?Machine?Learning?Systems?with?Python,?2nd?Edition （用 Python 建立機器學習系統，第二版）
• Learning?scikit-learn:?Machine?Learning?in?Python  （學習 scikit-learn:Python 中的機器學習）
• Machine?Learning?Algorithmic?Perspective   (透視機器學習算法)
• Data?Science?from?Scratch?–?First?Principles?with?Python  (抓取的數據科學——關于 Python 的首要原則)
• Machine?Learning?in?Python   （Python 中的機器學習）

接下來數月將要發行的書籍包括：

• 《Introduction?to?Machine?Learning?with?Python》 （Python 機器學習的介紹）
• 《Thoughtful?Machine?Learning?with?Python:?A?Test-Driven?Approach》 （思考 Python 機器學習：接近測試驅動）

機器學習相關的課程和博客

你想要得到一個學位，加入在線課程，或者參加線下講習班、大本營或大學課程么？這里有一些關于邏輯分析、大數據、數據挖掘和數據科學的在線教育站點鏈接：Collection?of?links 。另外推薦一些在線課程–來自Udacity的Coursera 課程：machine?learning  和 Data?Analyst?Nanodegree。還有一些關于機器學習的博客列表：List?of?frequently?updated?blogs。

最后是來自 Jake Vanderplas 和 Olivier Grisel，關于探索機器學習的優秀 油Tube 視頻課程。

機器學習理論

想要學習機器學習的理論？那么，《The?Elements?of?statistical?Learning》和《 Introduction?to?Statistical?Learning》 是常常被引用的經典。然后還有另外兩本書籍：《Introduction?to?machine?learning 》和《 A?Course?in?Machine?Learning》。這些鏈接包括免費的PDF，你不需要付費！如果不想閱讀這些書籍，請觀看視頻：15?hours?theory?of?machine?learning！

問啊-一鍵呼叫程序員答題神器，牛人一對一服務，開發者編程必備官方網站：www.wenaaa.com

QQ群290551701 聚集很多互聯網精英，技術總監，架構師，項目經理！開源技術研究，歡迎業內人士，大牛及新手有志于從事IT行業人員進入！