Py学习  »  Python

Python 机器学习视频课 - 1. Scikit-Learn 上

王的机器 • 2 年前 • 317 次点击  

本节开始一个全新的系列,是整套 Python 第四阶段 (最后一阶段) 的课。我把整套知识体系分成四个模块:


  • Python 基础

  • 数据分析:NumPy, Pandas, SciPy

  • 数据可视化:Matplotlib, Seaborn, Bokeh, Plotly/Cufflinks, PyEcharts

  • 机器学习Scikit-Learn, Scikit-Plot, Keras



这是 Python 数据机器学习系列的第一节《Scikit-Learn 上》,之前 Python 数据可视化、数据分析和基础课如下:


Python 数据可视化
  1. Matplotlib 上

  2. Matplotlib 下

  3. Seaborn 上

  4. Seaborn 中

  5. Seaborn 下

  6. Bokeh

  7. Plotly

  8. Cufflinks

  9. PyEcharts


Python 数据分析
  1. NumPy 上

  2. NumPy 下

  3. Pandas 上

  4. Pandas 下

  5. SciPy 上

  6. SciPy 下

  7. Pandas 时间序列

  8. Pandas 高频数据

  9. 默顿模型 - 计量经济资本

  10. LSMC - 美式百慕大期权定价

  11. Bachelier - 负油价和负利率

  12. Nelson Siegel - 债券收益率曲线构建

  13. 外汇交易组合保证金

  14. FR007 利率掉期定价和曲线拔靴

  15. 量化交易 - 向量化回测


Python 基础
  1. 编程概览

  2. 元素型数据

  3. 容器型数据

  4. 流程控制:条件-循环-异常处理

  5. 函数上:低阶函数

  6. 函数下:高阶函数

  7. 类和对象:封装-继承-多态-组合

  8. 字符串专场:格式化和正则化

  9. 解析表达式:简约也简单

  10. 生成器和迭代器:简约不简单

  11. 装饰器:高端不简单


在 Sklearn 里面有六大任务模块:分别是分类、回归、聚类、降维、模型选择和预处理,如下图从其官网的截屏。



要使用上述六大模块的方法,可以用以下的伪代码,注意 import 后面用的都是一些通用名称如 SomeClassifierSomeRegressorSomeModel,具体化的名称由具体问题而定,比如


  • SomeClassifier = RandomForestClassifier

  • SomeRegressor = LinearRegression

  • SomeModel = KMeans, PCA

  • SomeModel = GridSearchCV, OneHotEncoder


上面具体化的例子分别是随机森林分类器、线性回归器、K 均值聚类、主成分分析、网格追踪法、独热编码。


本此课程用以下思路来讲解:


先介绍 Sklearn,从其 API 设计原理出发分析其五大特点:一致性、可检验、标准类、可组合默认值最后再分析 Sklearn 里面自带数据以及储存格式。


再介绍机器学习,从定义出发引出机器学习四要素:数据、任务、性能度量模型



最后介绍 Sklearn 里面的三大核心 API,包括估计器、预测器转换器。此内容最重要,几乎所有模型都会用到这三大 API。


估计器



预测器


转换器



想学就开始吧!

绝不会让你失望!


付费用户(付 1 赠 1)可以获得:


  • 观看课程视频 (144 分钟)

  • Python 代码 (Jupyter Notebook)





Jupyter Notebook

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/117536
 
317 次点击