利用Python,四步掌握機器學習

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 Twitter、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twitter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?。?

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）

Twitter?sentiment?analysis?using?Python?and?NLTK （使用Python和NLTK 做Twitter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?！熬垲悺卑l生在無監督學習的情況，允許用戶在數據中識別組/集群?！盎貧w”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。