机器学习之旅从Python 开始

1、由于 Python 在工业界和科学界都非常受欢迎，因此你不难找到 Python 的学习资源。如果你是一个从未接触过 Python 的新手，你可以利用在线资源，比如课程、书籍和视频来学习 Python。比如下面列举的一些资源：Python 学习之路Google 开发者 Python 课程（视频）Google 的 Python 课堂

2、下一步是安装 Anacona。有了 Anaconda ，你将可以开始使用 Python 来探索机器学习的世界了。Anaconda 的默认安装库包含了进行机器学习所需要的工具。

3、有了一些基本的 Python 编程技能，你就可以开始学习一些基本的机器学习技能了。一个实用的学习方法是学到一定技能便开始进行练习。然而，如果你想深入学习这个领域，那么你需要准备投入更多的学习时间。一个获取技能的有效方法是在线课程。吴恩达的 Coursera 机器学习课程 是一个不错的选择。其它有用的在线训练包括：Python 机器学习： Scikit-Learn 教程Python 实用机器学习教程你也可以在 LiveEdu.tv 上观看机器学习视频，从而进一步了解这个领域。

4、当你对 Python 和机器学习有一个好的感觉之后，可以开始学习一些开源的 Python 库。科学的 Python 库将会使完成一些简单的机器学习任务变得很简单。然而，选择什么库是完全主观的，并且在业界内许多人有很大的争论。一些实用的 Python 库包括：Scikit-learn：一个优雅的机器学习算法库，可用于数据挖掘和数据分析任务。Tensorflow：一个易于使用的神经网络库。Theano：一个强大的机器学习库，可以帮助你轻松的评估数学表达式。Pattern： 可以帮助你进行自然语言处理、数据挖掘以及更多的工作。Nilearn：基于 Scikit-learn，它可以帮助你进行简单快速的统计学习。

5、对基本的 Python、机器学习技能和 Python 库有了一定理解之后，就可以开始探索机器学习了。接下来，尝试探索一下 Scikit-learn 库。一个不错的教程是 Jake VanderPlas 写的Scikit-learn 简介。然后，进入中级主题，比如 K-均值聚类算法简介、线性回归、决策树和逻辑回归。最后，深入高级机器学习主题，比如向量机和复杂数据转换。就像学习任何新技能一样，练习得越多，就会学得越好。你可以通过练习不同的算法，使用不同的数据集来更好的理解机器学习，并提高解决问题的整体能力。使用 Python 进行机器学习是对你的技能的一个很好的补充，并且有大量免费和低成本的在线资源可以帮助你。你已经掌握机器学习技能了吗？