Python机器学习,python机器学习 _python

要如何开始从零掌握Python机器学习？

作为一个过来人，我的建议是分三步进行：第一步：学习基本 Python 技能如果要使用 Python 进行机器学习，拥有对 Python 有基础的理解非常关键。幸运的是， Python 是当前普遍使用的流行语言，并纳入了科学计算和机器学习的内容，所以找到入门教程并不困难。在选择起点时，很大程度上要取决于你之前的 Python 经验和编程经验。
推荐一本最经典的入门书籍：《Python编程从入门到实践》第二步：学习机器学习基础技能KDnuggets 的 Zachary Lipton 指出，人们对于“数据科学家”的认知千差万别。这实际上是对机器学习领域的反映。数据科学家在不同程度上使用计算学习算法。要建立和使用支持向量机模型，熟知核函数方法是否是必需的？答案当然不是。
就像现实生活中的许多事情一样，所需要的理论深入程度与具体的实际应用有关。获取对机器学习算法的深入理解不是本文的讨论范围，而且这通常需要在学术领域投入大量时间，或者至少要通过密集的自学才能达到。好消息是，你不必拥有博士级别的机器学习理论能力才能进行实践，就如同不是所有程序员都必须接受计算机理论教育才能写好代码。
吴恩达在 Coursera 的课程非常赞，如果你有时间，可以自己去 Coursera 完成这个课程：Andrew Ng’s Machine Learning course。另外推荐一本书：周志华的《机器学习》第三步：开始用 Python 进行机器学习这一步开始进入到实践了，推荐看Peter Harrington的《机器学习实战》这本书啃透，你的Python和机器学习已经是能达到掌握的水平啦！另外也推荐你使用一些其他的机器学习框架：比如H2O ，还有像http://www.datazen.ai/这样的网站，里面会集成很多机器学习框架，迅速完成建模实战任务。
python做机器学习的话有哪些推荐的书跟课程？

机器学习:1.理论研究和推导可以看周志华老师的《机器学习》，也称为西瓜书，里面讲了各种算法的推导，比如线性回归， k值最近邻，支撑向量机等可解释模型，缺少神经网络的具体讲解。(还有一点就是其中不涉及到代码)2.被奉为神作的是一本名为《Hands-On Machine Learning with Scikit-Learn,Keras＆TensorFlow》,这本书把机器学习的讲解和代码结合在一块，从线性回归到支撑向量机再到深度学习都有设计(但以机器学习为主)3.《机器学习实战》，真本书是一本比较经典的书，书比较老了，但是讲的挺好，这本书主要偏重代码，没有涉及到深度学习深度学习:1.理论研究的话可以参考花书《深度学习》，这本书纯粹讲理论推导，不涉及代码，是一本比较经典的书2.《TensorFlow深度学习》，这本书Github上有免费的电子版，把深度学习的TF2.0相结合，俗称龙书，应该是TF书里面比较好的了3.《动手学深度学习》pytorch版，这本书是把深度学习和Pytorch相结合，是Pytorch里面比较好的书籍了课程的话:入门机器学习可以看吴恩达的课，主要是我一般喜欢看书自己学[捂脸][捂脸][捂脸] 。