学习路径:机器学习入门

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+Notebook
201 使用 Python 和 scikit-learn 学习回归算法 教程+Notebook
202 使用 Python 和 scikit-learn 学习分类算法 教程+Notebook
203 使用 Python 和 scikit-learn 学习聚类算法 教程+Notebook

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。

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

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

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

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

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


下一个:机器学习简介