使用Python进行机器学习

机器学习是计算机无需明确编程即可学习的能力。用外行的话来说，它可以被描述为在没有任何人工帮助的情况下，根据计算机的经验自动执行计算机的学习过程。机器学习在我们的日常生活中得到了积极的使用，而且可能在比人们预期的更多的地方使用。

在这个Python机器学习教程中，我们将从基础或零开始学习机器学习，以推进我们将使用它创建一些项目的地方。

介绍

• 机器学习入门
• 机器学习简介
• 什么是机器学习？
• 机器学习中的数据简介
• 机器学习——应用
• 机器学习和人工智能之间的区别
• 机器学习的最佳Python库

数据处理

• 了解数据处理
• 生成测试数据集
• 使用 Sklearn 创建测试数据集
• 数据预处理
• 数据清理
• 数据集的标签编码
• 数据集的一种热编码
• 在Python中使用 SMOTE 和 Near Miss 算法处理不平衡数据

监督学习

• 学习类型——监督学习
• 分类入门
• 回归技术的类型
• 分类与回归

线性回归

• 线性回归简介
• 实现线性回归
• 单变量线性回归
• 多元线性回归
• Python|使用 sklearn 进行线性回归
• 使用 TensorFlow 进行线性回归
• 使用 PyTorch 进行线性回归
• 派斯帕克 |使用 Apache MLlib 进行线性回归
• 波士顿住房 Kaggle 挑战与线性回归

多项式回归

• 多项式回归（从零开始使用Python ）
• 多项式回归
• 非线性数据的多项式回归
• 使用 Turicreate 进行多项式回归

逻辑回归

• 了解逻辑回归
• 实现逻辑回归
• 使用 TensorFlow 进行逻辑回归
• 使用 TensorFlow 的 Softmax 回归
• 使用 Keras 的 Softmax 回归

朴素贝叶斯

• 朴素贝叶斯分类器
• 使用Python实现朴素贝叶斯从头开始
• 补充朴素贝叶斯 (CNB) 算法
• 将多项朴素贝叶斯应用于 NLP 问题

支持向量

• 支持向量机算法
• Python中的支持向量机 (SVM)
• 使用 GridSearchCV 进行 SVM 超参数调整
• 在Python中创建线性核 SVM
• 支持向量机 (SVM) 中的主要核函数
• 使用 SVM 对非线性数据集进行分类

决策树

• 决策树
• 实施决策树
• 使用 sklearn 进行决策树回归

随机森林

• Python中的随机森林回归
• 使用 Scikit-learn 的随机森林分类器
• 随机森林分类器的超参数
• 使用 Sklearn 的投票分类器
• 装袋分类器

K-最近邻（KNN）

• K 最近邻与Python |机器学习
• 使用Python从 Scratch 实现 K-Nearest Neighbors
• Python中的K最近邻算法
• 使用 Sklearn 实现 KNN 分类器
• 使用 KNNimputer() 进行插补
• 使用 OpenCV 实现 KNN

无监督学习

• 学习类型——无监督学习
• 机器学习中的聚类
• 不同类型的聚类算法
• K 表示聚类 - 简介
• KMeans 中 k 最优值的肘部方法
• K-means++ 算法
• 在Python中使用 K-Means 聚类分析测试数据
• Mini Batch K-means 聚类算法
• 均值漂移聚类
• DBSCAN – 基于密度的聚类
• 使用 Sklearn 实现 DBSCAN 算法
• 模糊聚类
• 光谱聚类
• 光学集群
• 使用 Sklearn 实现 OPTICS 集群
• 层次聚类（凝聚和分裂聚类）
• 使用 Sklearn 实现凝聚聚类
• 高斯混合模型

使用机器学习的项目

• 使用线性回归进行降雨预测
• 在 PyTorch 中使用逻辑回归识别手写数字
• 使用 Logistic 回归进行 Kaggle 乳腺癌威斯康星州诊断
• 使用带有 scikit-learn 的 k-NN 实现人脸识别
• 信用卡欺诈检测
• 使用 K-means 聚类的图像压缩

机器学习的应用

• 谷歌如何使用机器学习？
• NASA 如何使用机器学习？
• Facebook 使用机器学习的 5 种令人兴奋的方式
• 使用机器学习的定向广告
• 知名公司如何使用机器学习？