機器學習路線 方法 python scikit-learn spark mllib

機器學習開發與應用

                                                                                        

第一章         前言... 2

第二章         平臺的選擇... 2

第三章         API的學習... 2

3.1        Scikit_learn. 2

3.2        Spark MLLib. 3

第四章         進一步提高... 3

第五章         原理層面的提高... 4

第六章         補充的學習... 4

6.1        遇到一個知識點，不斷的google，查看別人的文章... 4

6.2        快速閱讀大量的相關書籍，我閱讀了大概20幾本，也會一併上傳... 4

6.3        閱讀文獻，我下載了少許的文獻也會一併上傳... 4

第七章         機器學習的將來... 4

第八章         總結... 5

8.1        學會快速閱讀... 5

8.2        學會快速的GOOGLE. 5

8.3        不努力是不行的... 5

8.4        多寫代碼... 5

第一章           前言

本文主要講的是學習的方法、路線和一些實踐經驗，不會涉及細節。

第二章           平臺的選擇

下面的文章講的很是好：

http://spark.apache.org/docs/latest/ml-guide.html

總結下：

生產環境用spark MLLib

優勢：分佈式，能處理大數據；

缺點：算法種類很少

語言：python、scala、java

演示環境或者科研環境用scikit-learn

         優勢：算法種類多樣，演示方便

         缺點：不是分佈式

         語言：python

第三章           API的學習

3.1     Scikit_learn

官網：http://scikit-learn.org/stable/

學習方法：範淼和李超的《python機器學習機實踐-----從零開始通往Kaggle競賽之路》

學習心得：該書適合機器學習的入門者，很是實用，但存在部分API過期，可經過官網修正；

須要下載該書附帶的源碼，本身動手編寫代碼；

該書例子內的數據都比較乾淨，須要本身去UCI等網站下載數據進行嘗試；

UCI網址：http://archive.ics.uci.edu/ml/

3.2     Spark MLLib

官網：http://spark.apache.org/docs/latest/ml-guide.html

官網文檔的中文版本：http://blog.csdn.net/liulingyuan6/article/details/53582300

學習方法：

l  首先簡單瀏覽官網或者對應的中文文檔，其中pipline須要全看，特徵提取和特徵轉換隨機看幾個，分類、迴歸、聚類、協同過濾都分別看幾個例子，模型選擇和調試全看。

l  閱讀spark自帶的代碼，並作簡單修改進行代碼編寫，我寫的一些代碼路徑：

/usr/local/spark/examples/src/main/python/ml

l  https://www.ibm.com/search/csass/search/?q=Spark+%E5%AE%9E%E6%88%98&sn=dw&lang=zh&cc=CN&en=utf&hpp=20&dws=cndw&lo=zh閱讀裏面的文章，並改爲python版本，期間確定會遇到各類問題，藉此機會熟悉語法

第四章           進一步提高

http://www.cnblogs.com/pinard/

閱讀上面的文章，裏面講解了各類機器學習算法的原理、優缺點、適用場景和調優經驗

學習方法：算法原理只能說是簡單的介紹，能夠簡單看看，看不懂能夠直接跳過之後再看；

其餘內容建議所有閱讀

 

第五章           原理層面的提高

經過上面的學習，已經具有解決基本問題的能力，但對原理若是能更好的瞭解，分析和解決問題的思路將更加開闊。

學習方法：吳恩達做爲業界公認的大牛，他的公開課很是的給力

http://open.163.com/special/opencourse/machinelearning.html

同時到CSDN上找一些別人聽課的學習筆記

羅馬不是一天建成的，學這個必定有耐心，切記浮躁

 

第六章           補充的學習

6.1     遇到一個知識點，不斷的google，查看別人的文章

6.2     快速閱讀大量的相關書籍，我閱讀了大概20幾本，也會一併上傳

6.3     閱讀文獻，我下載了少許的文獻也會一併上傳

第七章           機器學習的將來

深度學習 遷移學習

須要更深一步的理論基礎，能夠玩玩tensorflow

第八章           總結

8.1     學會快速閱讀

8.2     學會快速的GOOGLE

8.3     不努力是不行的

8.4     多寫代碼

 

 

 

 

上面是小小的總結，主要是學習路線和方法，不斷實踐纔是獲取知識的捷徑