级别 主题 类型
100 机器学习简介 文章
101 使用 Python 和 scikit-learn 构建并测试您的第一个机器学习模型 教程
201 使用 Python 和 scikit-learn 学习回归算法 教程
202 使用 Python 和 scikit-learn 学习分类算法 教程
203 使用 Python 和 scikit-learn 学习聚类算法 教程

此学习路径是为想要快速熟悉机器学习的所有人而设计的。此学习路径包括若干含实践操作演示的分步教程,您将会构建模型并在应用中使用这些模型。

首先,单击以下卡片,或者参阅上表以获取所涵盖主题的完整列表。

  1. 机器学习简介

    了解相关信息:

    • 机器学习是什么?
    • 有监督学习与无监督学习的比较
    • 机器学习管道
    • 术语和概念
  2. 使用 Python 和 scikit-learn 构建并测试您的第一个机器学习模型

    了解相关信息:

    • 执行数据探索
    • 执行数据预处理
    • 拆分数据以用于训练和测试
    • 准备一个分类模型
    • 训练模型
    • 对模型运行预测
    • 评估模型性能并使之可视化
  3. 使用 Python 和 scikit-learn 学习回归算法

    了解相关信息:

    • 线性回归
    • 拆分、训练和验证
    • 过拟合和欠拟合
    • 模型评估
    • 逻辑回归
    • 朴素贝叶斯
    • 集成学习
  4. 使用 Python 和 scikit-learn 学习分类算法

    了解相关信息:

    • 聚类
    • 主成份分析
    • 降维
  5. 使用 Python 和 scikit-learn 学习聚类算法

    了解相关信息:

    • K 均值聚类
    • 均值偏移
    • DBSCAN
    • 层次聚类
    • 凝聚聚类
    • 用例

参考资源

本博客翻译自:Learning path: Get started with machine learning(2019-12-04)。

加入讨论