书评:使用Scikit-Learn和TensorFlow进行动手机器学习
Google Assistant,Amazon Alexa,Microsoft Cortana,Apple Siri或Facebook Messaging M之间的共同点是什么? 所有这些个人助手均由机器学习和人工智能(AI)推动。 根据Glassdoor和Upwork.com的说法 ,机器学习是2017年必不可少的技能,并且将持续多年。
您将如何发展技能,成为下一位机器学习工程师?
机器学习入门
Udacity , Coursera , edX和其他资源提供了MOOC(大规模开放在线课程),并且Amazon.com列出了5,000多本有关机器学习的书籍。 这些标题中的许多标题都可以帮助您入门,并通过动手知识逐步将您带入更高的层次。 此外,前Google工程师,领导YouTube视频分类团队的AurélienGéron也写了一本很棒的书: 动手学习Scikit-Learn和TensorFlow 。 这是一本实用的指导书,用于动手机器学习和深度学习 (一类机器学习算法)。
这本书假定您对机器学习几乎一无所知。 但是,这本书还假设您具有一些Python编程经验,并且对大学水平的数学有一定的了解,包括线性代数,概率和统计量。 机器学习项目通常使用Python,R,Java / Scala和C / C ++作为编程语言。 Géron并没有让我们实现自己的机器学习算法的玩具版本,而是使用了可用于生产的Python框架scikit-learn和TensorFlow 。 两者都是积极开发的开源项目。
为什么要使用scikit-learn和TensorFlow?
scikit-learn项目是David Cournapeau于2007年发起的Google夏季代码项目。Scikit-learn致力于使用通用的高级语言(如Python)将机器学习带给非专业人员。 根据scikit-learn的推荐页面 ,Spotify将scikit-learn机器学习包用于音乐推荐,而Evernote则将其用于音符分类。 它提供了基本的机器学习算法的高质量,易于使用的实现,包括回归,分类,聚类等。 Scikit-learn是学习机器学习的很好的切入点,并且是GitHub上第二高星级的机器学习库。
TensorFlow是Géron评估的第二个项目。 从2011年开始,Google Brain构建了DistBelief ,这是一个基于深度学习神经网络的机器学习系统。 TensorFlow是Google Brain的第二代机器学习系统,于2015年作为开源软件发布。Google使用TensorFlow神经网络模型进行语音识别,而Snapchat使用它进行图像识别。 它提供了用于神经网络和深度学习的高级机器学习算法,并且是GitHub上使用最多的机器学习库。
端到端机器学习项目
该书的核心优势在于它专注于端到端机器学习项目。 一个典型的机器学习项目涉及八个步骤:
- 看大图
- 获取数据
- 可视化数据以获取见解
- 准备用于机器学习算法的数据
- 选择一个模型并训练
- 微调模型
- 提出解决方案
- 启动,监视和维护机器学习系统
样例项目:房价预测
该书使用加利福尼亚州的公共普查数据来预测整个地区的房价。 第一步,这本书有助于解决问题-这是带有多元回归的监督学习问题。 根据所需的精度,下一步是选择性能指标; 例如,系统价格预测的68%落在实际价值的50,000美元以内,而系统价格预测的95%落在实际价值的100,000美元以内。
Scikit-learn提供了一些工具来获取数据,浏览数据,清理数据以及为机器学习算法准备数据。 一旦完成,下一步就是选择和训练模型。 机器学习项目的一大挑战是选择正确的模型,这将提供更好的预测准确性。 经验丰富的机器学习专家会选择三到四个模型,然后根据结果的准确性选择其中一个模型。
对于房价预测,Géron选择线性回归 , 决策树和随机森林模型。 他发现随机森林在此问题上的表现优于其他两个模型。
本书涵盖了更多的机器学习算法及其相关性和用法,并且包括涵盖了监督学习,非监督学习,半监督学习和强化学习的代码示例。 您的机器学习问题可能是细分客户并为每个组找到最佳的营销策略,检测哪些交易可能是欺诈性的,并预测明年的收入。
阅读: 使用Scikit-Learn和TensorFlow进行动手机器学习
翻译自: https://opensource.com/article/17/4/book-review-hands-machine-learning-scikit-learn-tensorflow
书评:使用Scikit-Learn和TensorFlow进行动手机器学习相关推荐
- Hands On Machine Learning with Scikit Learn and TensorFlow(第三章)
MNIST 从sklearn自带函数中导入NMIST 第一次导入可能会出错,从这里下载https://github.com/amplab/datascience-sp14/blob/master/la ...
- scikit learn、tensorflow、keras区别
参考:简书-刘敬:https://www.jianshu.com/p/0837b7c6ce10,感谢 一. 功能不同 Scikit-learn(sklearn)的定位是通用机器学习库 TensorFl ...
- Hands On Machine Learning with Scikit Learn and TensorFlow(第十章)
Oscar帮助你寻找好的超参数组合. 每个隐藏层神经元的数量应该是逐渐减少的,因为第一层学到的低阶特征,可以在第二层组合成高阶特征 .
- TF学习——TF之API:TensorFlow的高级机器学习API—tf.contrib.learn的简介、使用方法、案例应用之详细攻略
TF学习--TF之API:TensorFlow的高级机器学习API-tf.contrib.learn的简介.使用方法.案例应用之详细攻略 目录 tf.contrib.learn的简介 tf.contr ...
- 【scikit-learn】如何用Python和SciKit Learn 0.18实现神经网络
本教程的代码和数据来自于 Springboard 的博客教程.本文的作者为 Jose Portilla,他是网络教育平台 Udemy 一门数据科学类课程的讲师. GitHub 链接:https://g ...
- Scikit Learn: 在python中机器学习
Warning 警告:有些没能理解的句子,我以自己的理解意译. 翻译自:Scikit Learn:Machine Learning in Python 作者: Fabian Pedregosa, Ga ...
- TensorFlow高层次机器学习API (tf.contrib.learn)
TensorFlow高层次机器学习API (tf.contrib.learn) 1.tf.contrib.learn.datasets.base.load_csv_with_header 加载csv格 ...
- [转载]Scikit Learn: 在python中机器学习
原址:http://my.oschina.net/u/175377/blog/84420 目录[-] Scikit Learn: 在python中机器学习 载入示例数据 一个改变数据集大小的示例:数码 ...
- 机器学习与Scikit Learn学习库
摘要: 本文介绍机器学习相关的学习库Scikit Learn,包含其安装及具体识别手写体数字案例,适合机器学习初学者入门Scikit Learn. 在我科研的时候,机器学习(ML)是计算机科学领域中最 ...
最新文章
- 跟我学Springboot开发后端管理系统3:Mybatis-Plus实战2
- RASPBERRY PI PICO 树莓派PICO开发板双核高性能低功耗RP2040芯片
- MongoDB开发学习开天辟地,经典入门
- 个人博客作业week1
- TensorRT安装教程
- silverlight中如何方便在多个场景即Xaml文件之间随意切换?
- 程序员达到高效率的一种境界
- 在同一台服务器上安装两个数据库
- poj 1459 Power Network 多源多汇网络流
- 说下我常用的几个精简版系统的感受
- 2021年度考核登记表
- 将数组分成两部分使得两部分的和的差最小
- 2019最新补单安全小技巧
- Android程序反破解技术
- 乐固、360加固在android 11 上报错,无法安装
- oracle12c 删除磁盘组,12C RAC重装无法识别磁盘组(AFD新特性)
- 请用python3编写一个计算器的控制台程序_二、软件工程慕课第一章作业题——编写一个计算器...
- 辉太郎看前端(for...in和for...of)
- RabbitMQ宕机后,消息100%不会丢失吗
- java图片压缩工具类