标签：实战 机器 参考 Python 汇总 学习 算法 专栏
机器学习实战之路 —— 专栏汇总目录
由于博主21年上半年正在积极备考软考中级——系统集成项目管理工程师，计划下半年备考软考高级——信息系统项目管理师，近期也将开始看新的工作机会。所以本专栏就暂且更新到此，后续若有机会或许再予以更新。本专栏也已初步分享学习及论述了机器学习的一些基本经典算法，如线性回归、Logistic回归、决策树、随机森林、Boosting、SVM支持向量机和聚类算法等，涵盖了有监督及无监督学习。
机器学习融合了多门学科，包括概率论、统计学、最优化等，主要使用归纳、综合等方法从数据集中获取知识。机器学习致力于利用计算机模拟人类的学习行为来获取新的知识和技能，进而重新组织已有的知识结构使其自身的性能不断得到改善。机器学习是将计算机智能化的根本途径，是人工智能的核心，目前已被广泛应用于人工智能的各个领域，包括计算机视觉、自动驾驶和智慧交通、语音识别、自然语言处理和推荐系统等等。
为了方便大家参考学习，汇总本专栏中博文目录的索引如下：
1. 专栏目录导航
机器学习实战之路 —— 1 线性回归 (一)
机器学习实战之路 —— 1 线性回归 (二)
机器学习实战之路 —— 2 Logistic回归
机器学习实战之路 —— 3 决策树与随机森林（一）
机器学习实战之路 —— 3 决策树与随机森林（二）
机器学习实战之路 —— 4 Boosting算法
机器学习实战之路 —— 5 SVM支持向量机
机器学习实战之路 —— 6 聚类算法
2. 编程语言及相关库
本专栏主要是以编程语言Python来配合讲解， 使用的Python IDE（集成开发环境）是Pycharm。在博主的《项目管理&项目经理进阶——清华大学《软件工程》课程学习与分享》的博文中已经做过相关论述，在此也拿过来做一下简介吧：
Python：由荷兰数学和计算机科学研究学会的Guido van Rossum 于1990 年代初设计，作为一门叫做ABC语言的替代品。 Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言， 随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。由于Python的众多优势， Python早已广泛应用于人工智能、机器学习、深度学习、大数据、网站Web开发、搜索引擎、云计算、科学计算等领域。
PyCharm：是来自JetBrains公司的全功能python开发环境。在涉及人工智能和机器学习时，它被认为是最好的 Python IDE。最重要的是，Pycharm 合并了多个库（如 Matplotlib 和 NumPy），帮助开发者探索更多可用选项。PyCharm支持很多的第三方web开发框架，比如Django、 Pyramid、web2py、google app engine 和 Flask，这些也使得它成为了一个完整的快速应用集成开发环境。
相关Python库：Python提供了大量机器学习相关的库，博主电脑中都是较早之前安装的，所以版本较老，现在有更新的版本，大家可以安装新版做好匹配即可，不过在此也给出自己电脑的相关主要python库版本以供参考。以下这些Python库的版本相互匹配都没有问题的：
3. 参考学习的视频及书籍
在视频学习方面，博主最初参考学习的是邹博的机器学习算法视频。以前这个课刚出来的时候是要付费的，现在B站上已有分享可免费观看，在此附上链接以供大家学习参考：
机器学习算法视频 - 邹博
其实无论是视频材料，还是书籍材料，其实市面上现在机器学习相关的资料都很多，或许会让人琳琅满目反倒难以抉择。其实真正要学习只要花功夫学习理解一套讲解视频，配合着两三本参考书，就足以入门学习，掌握机器学习一些经典算法的思想。当然如果能够将学习心得总结输出，那则是更进一步加深和巩固自己的学习理解。以下为自己学习参考的书籍：
理论推导书籍（建议两本必备）：《机器学习-周志华》、《统计学习方法-李航》
实战应用书籍（建议第一本必备）：《机器学习实战》、《机器学习之路》、《集体编程智慧》
其实大家学习的时候，大可不必买这么多的实战应用书籍，自己当时是碰上买书折扣，所以拼单买多了些。但买多了也有多的好处，翻阅几本书对照学习，有些知识点论述互为补充及拓展，自己对知识点学习理解可以更全面与充分。自己学习参考的部分书籍展示如下：
当然科技在日新月异的更新，机器学习及深度学习的相关算法及应用也在不断地更新与拓展。但其实只要掌握了机器学习的这些基本典型算法的思想，纵然不断会出现更新的各类算法及拓展，这些基础知识都是有助于大家更快更好的学习掌握新知识及算法的。大家后续有兴趣进一步拓展机器学习及深度学习的，我在这里也简要给出相关书籍参考。当然这些书籍中，相关的机器学习算法章节知识论述同样也是可以互为补充和拓展的，大家也同样可以参考查阅。
4. 参考学习的硕博论文
当然除了视频和书籍参考学习之外，知识的拓展关联也是更有助于学习和理解的。在知识的学习和积累的过程中，如果能够联系本身行业及业务的话，那么学习理解是更到位及深刻的，由于博主本身所处汽车行业，所以在学习的过程中，也有关注机器学习在汽车行业应用领域的一些优秀相关硕博论文。譬如在新能源汽车应用，智能网联汽车，自动驾驶及相关视觉等方面的应用，自己也查阅学习相关的一些硕博论文，在此给出本专栏中的标出的参考硕博论文，总共约20篇，caj格式。
以下是免费下载资源链接，可在我的上传资源中找到，大家可以按需下载参考学习。
《机器学习实战之路》专栏-参考硕博论文 免费下载
=文档信息=
本学习笔记由博主整理编辑，仅供非商用学习交流使用
由于水平有限，错误和纰漏之处在所难免，欢迎大家交流指正
如本文涉及侵权，请随时留言博主，必妥善处置
版权声明：非商用自由转载-保持署名-注明出处
署名(BY) ：zhudj
文章出处：https://zhudj.blog.csdn.net/
标签：实战,机器,参考,Python,汇总,学习,算法,专栏 来源： https://blog.csdn.net/weixin_38135620/article/details/115033293
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。