利用Python，四步掌握机器学习

摘要：为了理解和应用机器学习技术，你需要学习Python或者R。这两者都是与C、Java、PHP相类似的编程语言。但是，因为Python与R都比较年轻，而且更加“远离”CPU，所以它们显得简单一些。相对于R只用于处理数据，使用例如机器学习、统计算法和漂亮的绘图分析数据，Python的优势在于它适用于许多其他的问题。因为Python拥有更广阔的分布（使用Jango托管网站，自然语言处理NLP，访问Twitter、Linkedin等网站的API），同时类似于更多的传统语言，比如Cpython就比较流行。

在Python中学习机器学习的四个步骤

1、首先你要使用书籍、课程、视频来学习Python的基础知识

2、然后你必需掌握不同的模块，比如Pandas、Numpy、Matplotlib、NLP(自然语言处理)，来处理、清理、绘图和理解数据。

3、接着你必需能够从网页抓取数据，无论是通过网站API，还是网页抓取模块BeautifulSoap。通过网页抓取可以收集数据，应用于机器学习算法。

4、最后一步，你必需学习机器学习工具，比如Scikit-Learn，或者在抓取的数据中执行机器学习算法(ML-algorithm)。

1.Python入门指南：

有一个简单而快速学习Python的方法，是在codecademy.com注册，然后开始编程，并学习Python基础知识。另一个学习Python的经典方法是通过learnpythonthehardway，一个为广大Python编程者所推荐的网站。然后还有一个优秀的PDF，byteofpython。python社团还为初学者准备了一个Python资源列表listofpythonresources。同时，还有来自O’Reilley的书籍《ThinkPython》，也可以从这里免费下载。最后一个资源是 Python用于计量经济学、统计学和数据分析的介绍：《IntroductiontoPythonforEconometrics,StatisticsandDataAnalysis》，其中也包含了Python的基础知识。

2.机器学习的重要模块

关于机器学习最重要的模块是：NumPy,Pandas,Matplotlib和IPython。有一本书涵盖了其中一些模块：《DataAnalysiswithOpenSourceTools》。然后免费书籍《IntroductiontoPythonforEconometrics,StatisticsandDataAnalysis》，同时也包括 Numpy，Pandas，Matplotlib和IPython这几个模块。还有一个资源是PythonforDataAnalysis:DataWranglingwithPandas,NumPy,andIPython，也包含了一些很重要的模块。以下是其他免费模块的相关链接：Numpy(NumericalPython,NumpyUserguide,GuidetoNumPy),Pandas(Pandas,PowerfulPythonDataAnalysisToolkit，PracticalBusinessPython，IntrostoPandasDataStructure)和Matplotlibbooks。

其它资源:

3.从网站通过API挖掘和抓取数据

一旦理解了Python的基础知识和最重要的模块，你必需要学习如何从不同的源收集数据。这个技术也被称作网页抓取。传统的源是网站文本，通过API进入twitter或linkedin一类网站得到的文本数据。网页抓取方面的优秀书籍包括：《MiningtheSocialWeb》（免费书籍），《WebScrapingwithPython》和《WebScrapingwithPython:CollectingDatafromtheModernWeb》。

最后这个文本数据必须要转换为数值数据，通过自然语言处理（NLP）技术完成，NaturallanguageprocessingwithPython和NaturalLanguageAnnotationforMachineLearning上面有相应的资料。其它的数据包括图片和视频，可以使用计算机图像技术分析：ProgrammingComputerVisionwithPython，ProgrammingComputerVisionwithPython:Toolsandalgorithmsforanalyzingimages和PracticalPythonandOpenCV，这些是图片分析方面的典型资源。

以下例子中包括可以用基本的Python命令行实现，有教育意义，而且有趣的例子，以及网页抓取技术。

Mini-Tutorial:SavingTweetstoaDatabasewithPython（微型教程：使用Python保存推文到数据库）
WebScrapingIndeedforKeyDataScienceJobSkills（网页抓取关键数据科学工作技巧）
CaseStudy:SentimentAnalysisOnMovieReviews（案例学习：电影评论中的情感分析）
FirstWebScraper（第一网页抓取）
SentimentAnalysisofEmails（邮件的情感分析）
SimpleTextClassification（简单文本分类）
BasicSentimentAnalysiswithPython（Python基础情感分析）
TwittersentimentanalysisusingPythonandNLTK（使用Python和NLTK做Twitter情感分析）
SecondTry:SentimentAnalysisinPython（第二个尝试：Python情感分析）
NaturalLanguageProcessinginaKaggleCompetitionforMovieReviews（电影评论相关KaggleCompetition中的NLP自然语言处理）

4.Python中的机器学习

机器学习可以分为四组：分类，聚类，回归和降维。

“分类”也可以称作监督学习，有助于分类图片，用来识别图片中的特征或脸型，或者通过用户外形来分类用户，并给他赋不同的分数值。“聚类”发生在无监督学习的情况，允许用户在数据中识别组/集群。“回归”允许通过参数集估算一个值，可以应用于预测住宅、公寓或汽车的最优价格。

modules,packagesandtechniques罗列了Python、C、Scala、Java、Julia、MATLAB、Go、R和Ruby等语言中所有学习机器学习的重要模块、包和技巧。有关Python机器学习的书籍，我特别推荐《Machinelearninginaction》。尽管有点短，但它很可能是机器学习中的经典，因为它提到了“集体智慧编程时代”：ProgrammingCollectiveIntelligence。这两本书帮助你通过抓取数据建立机器学习。最近关于机器学习的出版物大多都是基于模块scikit-learn。由于所有的算法在模块中都已实现，使得机器学习非常简单。你唯一要做的事就是告诉Python，应该使用哪一个机器学习技巧(ML-technique)来分析数据。

免费的scikit-learn教程可以在 scikit-learn 官方网站上找到。其他的帖子可以通过以下链接获取：

IntroductiontoMachineLearningwithPythonandScikit-Learn（机器学习中 Python 和 Scikit-Learn 的介绍）
DataScienceinPython（Python 中的数据科学）
MachineLearningforPredictingBadLoans（用机器学习来预测坏账）
AGenericArchitectureforTextClassificationwithMachineLearning（通过机器学习来分类文本的通用架构）
UsingPythonandAItopredicttypesofwine（利用Python和AI人工智能来预测酒的品种）
AdviceforapplyingMachineLearning（应用机器学习的建议）
Predictingcustomerchurnwithscikit-learn（使用scikit-learn预测用户流失）
MappingYourMusicCollection（映射你的音乐收藏）
DataScienceinPython（Python中的数据科学）
CaseStudy:SentimentAnalysisonMovieReviews（案例学习：电影评论中的情感分析）
DocumentClusteringwithPython（Python中的文档聚类）
Fivemostpopularsimilaritymeasuresimplementationinpython（5个最流行的Python相似度测量的实现）
CaseStudy:SentimentAnalysisonMovieReviews（案例学习：电影评论中的情感分析）
WillitPython（将会是Python么？）
TextProcessinginMachineLearning（机器学习中的文本处理）
HackinganepicNHLgoalcelebrationwithahuelightshowandreal-timemachinelearning（使用色彩灯光秀和实时机器学习黑入史诗级NHL（北美冰球联赛）进球庆祝）
VancouverRoomPrices（温哥华房间价格）
ExploringandPredictingUniversityFacultySalaries（探索和预测大学教师工资）
PredictingAirlineDelays（预测航班延误）

关于机器学习和 Python 中模块 scikit-learn 的书籍：

Collectionofbooksonreddit（收集reddit新闻网站上的书籍）
BuildingMachineLearningSystemswithPython（用Python建立机器学习系统）
BuildingMachineLearningSystemswithPython,2ndEdition（用Python建立机器学习系统，第二版）
Learningscikit-learn:MachineLearninginPython（学习scikit-learn:Python中的机器学习）
MachineLearningAlgorithmicPerspective(透视机器学习算法)
DataSciencefromScratch–FirstPrincipleswithPython(抓取的数据科学——关于Python的首要原则)
MachineLearninginPython（Python中的机器学习）

接下来数月将要发行的书籍包括：

《IntroductiontoMachineLearningwithPython》（Python机器学习的介绍）
《ThoughtfulMachineLearningwithPython:ATest-DrivenApproach》（思考 Python机器学习：接近测试驱动）

机器学习相关的课程和博客

你想要得到一个学位，加入在线课程，或者参加线下讲习班、大本营或大学课程么？这里有一些关于逻辑分析、大数据、数据挖掘和数据科学的在线教育站点链接：Collectionoflinks。另外推荐一些在线课程–来自Udacity的Coursera课程：machinelearning和DataAnalystNanodegree。还有一些关于机器学习的博客列表：Listoffrequentlyupdatedblogs。

最后是来自JakeVanderplas和OlivierGrisel，关于探索机器学习的优秀youtube视频课程。

机器学习理论

想要学习机器学习的理论？那么，《TheElementsofstatisticalLearning》和《IntroductiontoStatisticalLearning》是常常被引用的经典。然后还有另外两本书籍：《Introductiontomachinelearning》和《ACourseinMachineLearning》。这些链接包括免费的PDF，你不需要付费！如果不想阅读这些书籍，请观看视频：15hourstheoryofmachinelearning！