要如何開(kāi)始從零掌握Python機(jī)器學(xué)習(xí)？我已經(jīng)使用Python 7年多了，現(xiàn)在我正在從事視頻對(duì)象識(shí)別算法的開(kāi)發(fā)，使用的是同樣基于Python語(yǔ)言的tensorflow。Python是一種解決所有問(wèn)題的

要如何開(kāi)始從零掌握Python機(jī)器學(xué)習(xí)？

我已經(jīng)使用Python 7年多了，現(xiàn)在我正在從事視頻對(duì)象識(shí)別算法的開(kāi)發(fā)，使用的是同樣基于Python語(yǔ)言的tensorflow。Python是一種解決所有問(wèn)題的語(yǔ)言，值得擁有

！我從2012年開(kāi)始學(xué)習(xí)機(jī)器學(xué)習(xí)，因?yàn)闆](méi)有指導(dǎo)，我走了很多彎路，浪費(fèi)了很多時(shí)間和精力。一開(kāi)始，我讀了《機(jī)器學(xué)習(xí)實(shí)踐》一書(shū)。雖然我不懂，但我還是把書(shū)中所有的例子都跑了一遍，漸漸發(fā)現(xiàn)自己不懂算法也能達(dá)到預(yù)期的效果。然后，我會(huì)直接開(kāi)發(fā)我想要的程序。當(dāng)我遇到需要機(jī)器學(xué)習(xí)的部分時(shí)，我會(huì)直接復(fù)制它。一周后，演示會(huì)出來(lái)。在這個(gè)時(shí)候，你會(huì)發(fā)現(xiàn)你已經(jīng)開(kāi)始了。剩下的就是理解每種算法的范圍和局限性。

不要掉進(jìn)無(wú)休止的書(shū)堆里，練習(xí)和做項(xiàng)目

！呃，地鐵到了。我要去工作了。我還沒(méi)做完呢。有機(jī)會(huì)的話我會(huì)繼續(xù)討論的

如果是基本的，我想找一個(gè)在線網(wǎng)站學(xué)習(xí)如何開(kāi)始是可以的。如果你想系統(tǒng)地學(xué)習(xí)，我建議從不同的方向?qū)W習(xí)會(huì)更有效率。例如下面三個(gè)，分別為安全域、數(shù)據(jù)分析、網(wǎng)絡(luò)爬蟲(chóng)等。如果是游戲指導(dǎo)或機(jī)器學(xué)習(xí)，找另一個(gè)。。

從哪本書(shū)開(kāi)始學(xué)習(xí)Python比較好？

這取決于數(shù)據(jù)量和樣本數(shù)。不同的樣本數(shù)和特征數(shù)據(jù)適合不同的算法。像神經(jīng)網(wǎng)絡(luò)這樣的深度學(xué)習(xí)算法需要訓(xùn)練大量的數(shù)據(jù)集來(lái)建立更好的預(yù)測(cè)模型。許多大型互聯(lián)網(wǎng)公司更喜歡深度學(xué)習(xí)算法，因?yàn)樗麄儷@得的用戶(hù)數(shù)據(jù)是數(shù)以?xún)|計(jì)的海量數(shù)據(jù)，這更適合于卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法。

如果樣本數(shù)量較少，則更適合使用SVM、決策樹(shù)和其他機(jī)器學(xué)習(xí)算法。如果你有一個(gè)大的數(shù)據(jù)集，你可以考慮使用卷積神經(jīng)網(wǎng)絡(luò)和其他深度學(xué)習(xí)算法。

這是一個(gè)機(jī)器學(xué)習(xí)算法，可選擇任意數(shù)量的樣本和圖形大小。

如果你認(rèn)為它對(duì)你有幫助，你可以多表?yè)P(yáng)，也可以關(guān)注它。謝謝您！