【问题标题】:How Can I Approach Machine Learning in Python, Simply?如何简单地使用 Python 进行机器学习?
【发布时间】:2018-01-27 17:25:40
【问题描述】:

我是一名专业的网络开发人员和工具创建者。我学习事物的方式是制作尽可能小的产品,但仍然可以正常工作且有用,然后根据需要增加复杂性/重构。我正在尝试学习数据科学并学习机器学习技能。当我查看机器学习中的“小型”项目时,他们假设除了精通 Python 之外,还了解 Numpy、Pandas 和 Seaborn。

如何使机器学习等效于带有 <h1> 标记内的 Hello World 的 index.html?

如果这是不可能的,我可以做什么样的项目来逐步“掌握”底层库。即只有 Numpy、只有 Numpy + Pandas、只有 Numpy + Pandas + Seaborn 等可以做的“有用”项目是什么?

为开放式道歉。不知道在哪里可以发布这样的问题。

【问题讨论】:

  • “不知道在哪里可以发布这样的问题。”这不是地方。
  • 不幸的是,无法想出一个不同的网站来发布它并不能神奇地使它适合在这里提问。请参阅What kinds of question should I avoid asking?
  • 如果你碰巧找到了解决这类问题的好网站,请告诉我,我一直想问一下“Hello world”,相当于建造我自己的航天飞机:-)

标签: python numpy machine-learning


【解决方案1】:

回答后一个问题

“什么是仅使用 Numpy、仅使用 Numpy + Pandas、仅使用 Numpy + Pandas + Seaborn 等可以完成的“有用”项目?”

孤立的 Numpy 项目:

http://www.labri.fr/perso/nrougier/teaching/numpy.100/index.html

这里的项目开始时非常简单,并使用 numpy 作为唯一工具进入越来越复杂的问题空间。

孤立的 Numpy 和 Pandas 项目:

https://www.hackerearth.com/practice/machine-learning/data-manipulation-visualisation-r-python/tutorial-data-manipulation-numpy-pandas-python/tutorial/

此链接包含对 numpy 的简短介绍,然后将其大部分资源用于讨论数据帧。

这两个链接都让用户解决了越来越复杂的数据框操作,对我来说都是很棒的资源,并且给了我很多关于如何扩展和增加额外复杂性的想法。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2012-11-16
    • 1970-01-01
    • 2019-01-26
    • 2015-12-02
    • 1970-01-01
    • 2012-07-07
    相关资源
    最近更新 更多