从零开始学习 -机器学习 之-=基础篇=- 从Sklearn学起
- 无学分讨论课:从零开始学习 - 机器学习 之-=卷积神经网络(CNN)=-已经开设了几年了, 主要是使用TensorFlow 来使用卷积神经网络(CNN)解决一些问题. 但是教下来大家的接受程度还是有限, 一方面原因是python基础太差, 另一方面机器学习的基础也太差了,一下子拔苗助长,步子太大了,容易扯到蛋, 我在这里再补充一个机器学习基础篇的教学. — 俞熹 2020/06/25 11:39
- 这节课需要python知识,可以在 从零开始学习python2020 这里学习. 本来这课也是 从零开始学习python2020 里面的一卷, 但是内容太多所以想了想, 还是把这一卷内容写成一个大课
- 本课程用到的python 模块 Sklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上,里面的 API 的设计非常好,所有对象的接口简单,很适合新手上路。
- 在机器学习里面有六大任务模块:分别是分类、回归、聚类、降维、模型选择和预处理,如下图 Sklearn 官网的截屏。
- 后面陆续填坑. — 俞熹 2020/06/25 09:34
学习路径 - 循序渐进
- 在 从零开始学习python2020 这里学习 python 的基础知识, 数据处理和作图方法
- 在 从零开始学习 -机器学习 之-=基础篇=- 从Sklearn学起 这里学习 机器学习 之-=基础篇=- (本页面)
- 在 从零开始学习 - 机器学习 之-=卷积神经网络(CNN)=- 这里学习 机器学习 之-=卷积神经网络(CNN)=-
第一章 机器学习入门
- 1.0 Sk-learn 概述
- 1.1 定义和组成元素
- 1.2 数据
- 1.3 任务
- 1.4 性能指标
- 1.5 模型
第二章 Sklearn 数据
- 2.1 数据格式
- 2.2 自带数据集
第三章 - 核心 API
- 3.1 估计器
- 3.2 预测器
- 3.3 转换器
第四章 - 高级 API
- 4.1 Ensemble 估计器
- 4.2 Multiclass 估计器
- 4.3 Multioutput 估计器
- 4.4 Model Selection 估计器
- 4.5 Pipeline 估计器
第五章 - 总结
- 以上课件在这里⇒ sk-learn.rar 请大家下载 解压后放到文档目录中 通过Jupyter Lab 运行