機(jī)器學(xué)習(xí)、深度學(xué)習(xí)最簡單的入門方式就是基于 Python 開始編程實(shí)戰(zhàn)。最近閑逛 GitHub，發(fā)現(xiàn)了一個非常不錯的 Python 學(xué)習(xí)實(shí)例集，完全是基于 Python 來實(shí)現(xiàn)包括 ML、DL 等領(lǐng)域。推薦給大家~

首先放上該開源項目的 GitHub 地址：

https://github.com/codebasics/py

該項目的作者整理這份資源的目的是方便所有 Python 初學(xué)者學(xué)習(xí)各個領(lǐng)域的基本知識，旨在幫助初學(xué)者學(xué)習(xí) Python。該存儲庫涵蓋了廣泛的算法和程序，對每個對 Python 編程感興趣的人都非常有幫助。

作者這樣說道：

“如果這是您第一次用 Python 編碼，我很樂意建議您從基礎(chǔ)開始。它們易于理解，希望對您來說很有趣。”

這份開源項目包含了十幾個主題，重點(diǎn)包括：基礎(chǔ)知識、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、matplotlib、numpy、pandas 等。

下面詳細(xì)介紹一下！

一、基礎(chǔ)知識

這部分主要介紹 Python 的基礎(chǔ)知識，包括：if 語句、for 循環(huán)、函數(shù)、字典、異常等概念。同時也有與知識點(diǎn)對應(yīng)的練習(xí)題和參考答案。

二、機(jī)器學(xué)習(xí)

這部分是核心重點(diǎn)，包含了機(jī)器學(xué)習(xí)重點(diǎn)的算法，例如：k-means 聚類算法、線性回歸、邏輯回歸、決策樹、隨機(jī)森林、支持向量機(jī)等。每個算法都配備了基于 Python 實(shí)現(xiàn)的代碼。

以邏輯回歸算法為例，該項目使用邏輯回歸預(yù)測一個人是否會根據(jù)他的年齡購買人壽保險。以 jupyter notebook 的文檔形式展示了問題的解決過程，便于讀者理解和實(shí)際操作。

三、深度學(xué)習(xí)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的延申，主要包含梯度下降、損失函數(shù)、求導(dǎo)、激活函數(shù)、數(shù)據(jù)增強(qiáng)、word_embedding 等，還有一些數(shù)字識別、mnist 神經(jīng)網(wǎng)絡(luò)等 Python 實(shí)戰(zhàn)的訓(xùn)練代碼。

以手寫數(shù)字識別為例，該項目使用簡單的神經(jīng)網(wǎng)絡(luò) (ANN) 對手寫數(shù)字進(jìn)行分類。同樣以 jupyter notebook 的形式進(jìn)行講解。

數(shù)據(jù)準(zhǔn)備：

import tensorflow as tf from tensorflow import keras from tensorflow.keras import datasets, layers, models import matplotlib.pyplot as plt %matplotlib inline import numpy as np(X_train, y_train) , (X_test, y_test) = keras.datasets.mnist.load_data() plt.matshow(X_train[0])

模型訓(xùn)練：

X_train = X_train / 255 X_test = X_test / 255 model = keras.Sequential([keras.layers.Flatten(input_shape=(28, 28)),keras.layers.Dense(100, activation='relu'),keras.layers.Dense(10, activation='sigmoid') ])model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])model.fit(X_train, y_train, epochs=10)Epoch 1/10 1875/1875 [==============================] - 2s 924us/step - loss: 0.2885 - accuracy: 0.9194 Epoch 2/10 1875/1875 [==============================] - 2s 920us/step - loss: 0.1363 - accuracy: 0.9603 Epoch 3/10 1875/1875 [==============================] - 2s 925us/step - loss: 0.0993 - accuracy: 0.9704 Epoch 4/10 1875/1875 [==============================] - 2s 929us/step - loss: 0.0765 - accuracy: 0.9771 Epoch 5/10 1875/1875 [==============================] - 2s 943us/step - loss: 0.0620 - accuracy: 0.9808 Epoch 6/10 1875/1875 [==============================] - 2s 938us/step - loss: 0.0509 - accuracy: 0.9843 Epoch 7/10 1875/1875 [==============================] - 2s 956us/step - loss: 0.0414 - accuracy: 0.9876 Epoch 8/10 1875/1875 [==============================] - 2s 971us/step - loss: 0.0363 - accuracy: 0.9887 Epoch 9/10 1875/1875 [==============================] - 2s 961us/step - loss: 0.0301 - accuracy: 0.9905 Epoch 10/10 1875/1875 [==============================] - 2s 963us/step - loss: 0.0237 - accuracy: 0.9926

模型測試：

model.evaluate(X_test,y_test) 313/313 [==============================] - 0s 988us/step - loss: 0.0831 - accuracy: 0.9780[0.0830635279417038, 0.9779999852180481]

除此之外，本開源項目還包含了 numpy、pandas、matplotlib 等 Python 庫，這里不再一一贅述了。

該項目已收獲了 3.3k 星，可以說是一份非常不錯的 Python 開源手冊，兼顧實(shí)戰(zhàn)。

最后再次放上該項目的 GitHub 地址：

https://github.com/codebasics/py

---

推薦閱讀

（點(diǎn)擊標(biāo)題可跳轉(zhuǎn)閱讀）

干貨 | 公眾號歷史文章精選

我的深度學(xué)習(xí)入門路線

我的機(jī)器學(xué)習(xí)入門路線圖

重磅！

AI有道年度技術(shù)文章電子版PDF來啦！

掃描下方二維碼，添加?AI有道小助手微信，可申請入群，并獲得2020完整技術(shù)文章合集PDF（一定要備注：入群?+ 地點(diǎn) + 學(xué)校/公司。例如：入群+上海+復(fù)旦。?

長按掃碼，申請入群

（添加人數(shù)較多，請耐心等待）

感謝你的分享，點(diǎn)贊，在看三連??

總結(jié)

以上是生活随笔為你收集整理的涵盖 14 大主题！最完整的 Python 学习实例集来了！的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。