網絡轉自：https://blog.csdn.net/julialove102123/article/details/78729602

系列學習記錄：

1、吳恩達機器學習系列；

2、李宏毅機器學習課程；

3、周志華 西瓜書；

4、十大算法練習；

5、系列學習資源；

? ? ? 周志華：機器學習書籍 ? ? ? ? ? ? ? ?	? ?吳恩達 ： CS229n機器學習系列 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??	? 李宏毅教授：機器學習課程 ? ? ? ?
緒論 模型評估與選擇 線性模型 決策樹 神經網絡 支持向量機 貝葉斯分類器 集成學習 聚類 降維與度量學習 特征選擇與稀疏學習 計算學習理論 半監督學習 概率圖模型 規則學習 強化學習	Convex Optimization Overview Convex Optimization Overview (cnt’d) Gaussian processes Hidden Markov Models Fundamentals Linear Algebra Review and Reference Supervised learning Generative Learning algorithms Support Vector Machines Learning Theory Regularization and model selection The perceptron and large margin classi ers The k-means clustering algorithm Mixtures of Gaussians and the EM algorithm The EM algorithm Factor analysis Principal components analysis Independent Components Analysis Reinforcement Learning and Control Probability Theory Review for Machine Learning	機器學習介紹 回歸 梯度下降 分類問題 邏輯回歸 深度學習&反向傳播 Keras Tensorflow 卷積神經網絡 半監督學習 非監督學習 遷移學習 支持向量機 結構化學習 循環神經網絡RNN 集成學習Ensemble 深度強化學習

機器學習十大算法系列
決策樹 隨機森林算法 邏輯回歸 SVM 樸素貝葉斯 K最近鄰算法 K均值算法 Adaboost 算法 神經網絡 馬爾可夫	?

課程資源：

1、Andrew NG機器學習課程網易公開課：http://open.163.com/special/opencourse/machinelearning.html

2、機器學習課程教學官網：?http://cs229.stanford.edu/syllabus.html

3、Coursera最新版：https://www.coursera.org/learn/machine-learning/

4、UFLDL-斯坦福大學Andrew Ng教授“Deep Learning”教程：http://www.52ml.net/12019.html

原文鏈接：斯坦福大學教授Andrew Ng的“Deep Learning”教程

翻譯鏈接：斯坦福Andrew Ng教授“Deep Learning”教程（翻譯篇）

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?（第一網頁抓取）
• 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。“聚類”發生在無監督學習的情況，允許用戶在數據中識別組/集群。“回歸”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。

免費的?scikit-learn教程?可以在 scikit-learn 官方網站上找到。其他的帖子可以通過以下鏈接獲取：

• Introduction?to?Machine?Learning?with?Python?and?Scikit-Learn?（機器學習中 Python 和 Scikit-Learn 的介紹）
• Data?Science?in?Python?（Python 中的數據科學）
• Machine?Learning?for?Predicting?Bad?Loans?（用機器學習來預測壞賬）
• A?Generic?Architecture?for?Text?Classification?with?Machine?Learning?????（通過機器學習來分類文本的通用架構）
• Using?Python?and?AI?to?predict?types?of?wine??（利用?Python?和?AI?人工智能來預測酒的品種）
• Advice?for?applying?Machine?Learning??（應用機器學習的建議）
• Predicting?customer?churn?with?scikit-learn??（使用?scikit-learn?預測用戶流失）
• Mapping?Your?Music?Collection??（映射你的音樂收藏）
• Data?Science?in?Python??（Python?中的數據科學）
• Case?Study:?Sentiment?Analysis?on?Movie?Reviews??（案例學習：電影評論中的情感分析）
• Document?Clustering?with?Python??（Python中的文檔聚類）
• Five?most?popular?similarity?measures?implementation?in?python??（5?個最流行的Python相似度測量的實現）
• Case?Study:?Sentiment?Analysis?on?Movie?Reviews??（案例學習：電影評論中的情感分析）
• Will?it?Python???（將會是?Python?么？）
• Text?Processing?in?Machine?Learning??（機器學習中的文本處理）
• Hacking?an?epic?NHL?goal?celebration?with?a?hue?light?show?and?real-time?machine?learning???（使用色彩燈光秀和實時機器學習黑入史詩級?NHL（北美冰球聯賽）進球慶祝）
• Vancouver?Room?Prices?（溫哥華房間價格）
• Exploring?and?Predicting?University?Faculty?Salaries?（探索和預測大學教師工資）
• Predicting?Airline?Delays??（預測航班延誤）

關于機器學習和 Python 中模塊 scikit-learn 的書籍：

• Collection?of?books?on?reddit??（收集?reddit?新聞網站上的書籍）
• Building?Machine?Learning?Systems?with?Python?（用?Python?建立機器學習系統）
• Building?Machine?Learning?Systems?with?Python,?2nd?Edition?（用?Python?建立機器學習系統，第二版）
• Learning?scikit-learn:?Machine?Learning?in?Python??（學習?scikit-learn:Python?中的機器學習）
• Machine?Learning?Algorithmic?Perspective???(透視機器學習算法)
• Data?Science?from?Scratch?–?First?Principles?with?Python??(抓取的數據科學——關于?Python?的首要原則)
• Machine?Learning?in?Python???（Python?中的機器學習）

接下來數月將要發行的書籍包括：

• 《Introduction?to?Machine?Learning?with?Python》?（Python?機器學習的介紹）
• 《Thoughtful?Machine?Learning?with?Python:?A?Test-Driven?Approach》?（思考 Python?機器學習：接近測試驅動）

機器學習相關的課程和博客

你想要得到一個學位，加入在線課程，或者參加線下講習班、大本營或大學課程么？這里有一些關于邏輯分析、大數據、數據挖掘和數據科學的在線教育站點鏈接：Collection?of?links?。另外推薦一些在線課程–來自Udacity的Coursera?課程：machine?learning??和?Data?Analyst?Nanodegree。還有一些關于機器學習的博客列表：List?of?frequently?updated?blogs。

最后是來自?Jake?Vanderplas?和?Olivier?Grisel，關于探索機器學習的優秀?youtube?視頻課程。

機器學習理論

想要學習機器學習的理論？那么，《The?Elements?of?statistical?Learning》和《?Introduction?to?Statistical?Learning》?是常常被引用的經典。然后還有另外兩本書籍：《Introduction?to?machine?learning?》和《?A?Course?in?Machine?Learning》。這些鏈接包括免費的PDF，你不需要付費！如果不想閱讀這些書籍，請觀看視頻：15?hours?theory?of?machine?learning！

總結

以上是生活随笔為你收集整理的机器学习【吴恩达|周志华|李宏毅|算法】清单 #收藏#的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。