机器学习之路虽漫漫无垠，但莘莘学子依然纷纷投入到机器学习的洪流中。如何更有效地开始机器学习呢？所谓「八仙过海，各显神通」，本文作者以Python语言为工具进行机器学习，并以Kaggle竞赛中的泰坦尼克号项目进行详细解读。跟着小编来看看吧！

随着行业内机器学习的崛起，能够帮用户快速迭代整个过程的工具变得至关重要。Python，机器学习技术领域冉冉升起的一颗新星，往往是带你走向成功的首选。因此，用Python实现机器学习的指南是非常必要的。

用Python实现机器学习的介绍

那么为什么是Python呢？根据我的经验，Python是最容易学习的编程语言之一。现在需要快速迭代整个过程，与此同时，数据科学家不需要深入了解这种语言，因为他们可以快速掌握它。

有多容易呢？

foranythinginthe_list:print(anything)

就这么容易。Python的语法和英语（或人类语言，而不是机器语言）语法关系密切。在Python的语法中没有愚蠢的大括号造成的困扰。我有一个从事质量保证（QualityAssurance）工作的同事，虽然不是软件工程师，但她可以在一天内写出产品级的Python代码。（真的！）

我将在下文中介绍几个基于Python的库。作为数据分析师和数据科学家，我们可以利用他们的杰作来帮助我们完成任务。这些不可思议的库是用Python实现机器学习的必备工具。

NumPy

这是一个非常有名的数据分析库。从计算数据分布的中位数，到处理多维数组，NumPy都可以帮你完成。

Pandas

这是用来处理CSV文件的。当然了，你还需要处理一些表格、查看统计数据等，那Pandas就是可以满足你的需求的工具。

Matplotlib

把数据存储在Pandas的数据框后，你可能需要做一些可视化来理解数据的更多信息。毕竟一图抵千言。

Seaborn

这是另一个可视化工具，但这个工具更侧重于统计结果的可视化，比如直方图、饼图、曲线图或相关性表等。

Scikit-Learn

这是用Python实现机器学习的终极工具。所谓用Python实现机器学习指的就是这个——Scikit-Learn。所有你需要的从算法到提升的内容都能在这里找到。

Tensorflow和Pytorch

针对这两个工具我不会说太多。但如果你对深度学习感兴趣的话，可以详细了解一下，它们值得你花时间去学习。（我下次会再写一篇关于深度学习的教程，敬请期待！）

Python机器学习项目

当然，只是阅读和学习是没法让你达成心愿的。你需要实际练习。正如我博客中所说的，如果你没有深入数据的话，那学习这些工具将毫无意义。因此，我在这里介绍一个可以轻松找到Python机器学习项目的地方。

博客

转载请注明:http://www.aideyishus.com/lktp/4895.html