GitHub 機器學習(Machine Learning) 100 天自學專案，內容強大學了保證一生平安！
GitHub 機器學習(Machine Learning) 100 天自學專案，內容強大學了保證一生平安！
News from: TechOrange
不少人下定決心在四個月內提升編程能力，但更多人半途就放棄。自學路上孤單、寂寞覺得冷時，在 GitHub 上有人發起接力挑戰百日編程計畫，號召一群勤奮向學的人響應活動。
你是想喝一輩子糖水，還是想用 AI 改變世界？但怎麼想是一回事，怎麼做往往是另一回事。學習和健身一樣，不少人都停留在口頭上，有各種藉口不曾付諸實施。為此，YouTube 網紅 Siraj Raval 發起了一個挑戰賽：#100DaysOfMLCode。
這個挑戰賽意在號召大家行動起來，從參與活動的那天起， 每天至少花費 1 小時的時間來學習提升或者應用編程，連續堅持 100 天，從而更好的理解和掌握機器學習這個強大的工具 。積跬步、至千里。
而且參加這個活動，還要使用#100DaysOfMLCode 這個標籤，在社交平台每日打卡，公開記錄自己的工作。
你想在這 100 天裡學到什麼，或者完成一個項目全憑自主決定。大家的選擇五花八門，其中有一個小哥的學習計劃，很快引發大家的關注。
這個小哥名叫 Avik Jain（重名的不少），他的百天計劃，是從機器學習的基礎概念起步，逐層遞進，內容比較適合初學者。這個 100 天搞定機器學習編程的項目，現在已經是爆紅 GitHub，很快累積了 3000 多標星，在 Twitter 上，也有一大票人熱捧這個項目。
同是百天計劃，這個有什麼特別之處？三點：
1、超讚的學習圖片
2、配套的代碼
3、相應的數據集
對這個項目的評價，多以 awesome、great、fantastic、outstanding、perfect 等評價，大家紛紛表示感謝（並祝樓主好人一生平安）。
項目地址在此：
請你一定收藏好。
目前作者的 100 天計劃，已經進行到第 25 天，已有的內容包括：
數據預處理、線性回歸、邏輯回歸、K 最鄰近算法、支持向量機、深度學習專項課程等，最新的內容已經講到決策樹及實現等。
量子位摘錄其中的部分內容，做個示例。
第一天
看上去，真是美好的一天
第一步：導入一些庫
Numpy 和 Pandas 這兩個，是非常重要的庫。
Numpy 裡面有各種數學函數，Pandas 是用來導入數據集、管理數據集的。
第二步：導入數據集 數據集通常是.csv 格式。 CSV 文件，是把表格數據，存儲成純文本。每一行是一個數據記錄 (Data Record) 。
在 Pandas 庫裡面，用 read_csv 的方法，來讀取本地的 CSV 文件，每個文件是一個數據幀 (Data Frame) 。
給每個數據幀裡的自變量和因變量，分別做矩陣和向量。
我們獲取的數據，通常是異構數據。導致缺失數據 (Missing Data) 的原因有很多，需要處理一下，模型的表現才不會減損。
可以把缺失的數據，用整列數據的平均值或者中位數代替。拿 sklearn.preprocessing 裡的 Imputer 來處理。
第四步：編碼分類數據 分類數據 (Categorical Data) 裡的變量，不包含數值，只包含分類標籤。
比如，是/否，性別，婚姻狀態，這樣的變量，是沒辦法當成數值直接運算的。
所以，才需要把它們編碼成能夠運算的數值。用 sklearn.preprocessing 裡面的 LabelEncoder 就可以了。
創建個虛擬變量：
第五步：分開訓練集和測試集 要把數據集分成兩半，一個當訓練集，另一個當測試集。
一般來說，可以按 80/20 這樣分，訓練集大一些。用 sklearn.crossvalidation 裡面的 train_test_split() 來分，就行了。
第六步：特徵縮放 大部分機器學習算法，都會拿兩個數據點之間的歐幾里得距離 (Euclidean Distance) 做計算。
這樣一來，如果一個特徵比其他特徵的範圍值更大，這個特徵值就會成為主導。
而我們希望其他特徵，也得到同等的重視，所以用特徵標準化 (Feature Standardization) 來解決這個問題。
sklearn.preprocessing 裡面的 StandardScalar，就派上用場了。
第二天
今天，要做的是簡單線性回歸 (Simple Linear Regression) 。
就是拿已知的那些 (x,y) 數據點，做出一條線性的趨勢，來預測其他 x 值，對應的 y。
第一步：數據預處理 其實，就是把第一天做過的事情，複習一下：
· 導入一些庫 。
· 導入數據集 。
· 處理缺失數據 。
· 把數據集分成訓練集和測試集。
· 特徵縮放的話，交給庫了。
· 導入數據集 。
· 處理缺失數據 。
· 把數據集分成訓練集和測試集。
· 特徵縮放的話，交給庫了。
第二步：擬合訓練集 要把數據集，擬合到簡單線性回歸模型裡面去，可以用 sklearn.linear_model 裡面的 LinearRegression 來解決。
在 LinearRegression 裡面，建一個叫做 regressor 的對象。
然後，把 regressor 擬合到數據集裡去，用 fit() 就行了。
第三步：預測結果 現在，用測試集來預測一下。
把輸出存到一個向量 Y_pred 裡面。然後，用 LinearRegression 裡面的預測方法，來支配上一步訓練過的 regressor。
第四步：可視化 最後一步，就是給預測結果做個可視化。
用 matplotlib.pyplot 做散點圖，給訓練集和測試集都做一下，看看預測結果是不是接近真實。
訓練集可視化：
1 plt.scatter(X_train , Y_train, plt.scatter(X_train , Y_train, colorcolor == ”redred”)
2 plt.plot(X_train , regressor.predict(X_train), ) plt.plot(X_train , regressor.p color =’blue’)
測試集可視化：
2 plt.plot(X_train , regressor.predict(X_train), ) plt.plot(X_train , regressor.p color =’blue’)
測試集可視化：
1 plt.scatter(X_test , Y_test, color = ‘red’)
2 plt.plot(X_test , regressor.predict(X_test), color =’blue’)
2 plt.plot(X_test , regressor.predict(X_test), color =’blue’)
兩件需要提醒的事
總之，大概就是上面這個樣子。部分已經放出的信息圖集合如下，大家可以預覽一下。
如果你也想入門或者提升自己的機器學習能力，不妨試試跟著這個小哥一起學習進步。雖然這個項目全是英文，但並不晦澀高深，說不定還能順便提高一下英文水平，以後讀 paper 也用得到~
如果你也想入門或者提升自己的機器學習能力，不妨試試跟著這個小哥一起學習進步。雖然這個項目全是英文，但並不晦澀高深，說不定還能順便提高一下英文水平，以後讀 paper 也用得到~
還有兩件事，需要提醒一下。
1、這個項目已經開始漢化了
@zhyongquan 在 GitHub 上已經開始嘗試中文版，效果如下圖所示。
不過目前只進行了第一天內容的漢化。如果你感興趣，可以持續關注，或者加入漢化的行動中。地址在此：
2、項目內容不能盲信
盡信書不如無書。這個學習項目，也不是百分百完全正確，比如第四天講邏輯回歸時的右下角配圖，就被指出存在錯誤。
作者也承諾將更新改正這個問題。就醬。
最後，再發一次這個項目的地址：
請你一定收藏好，如果能開始學習那就更好啦。如果這種偏入門的內容不適合你，還有更多進階或者俱體項目實現的 100 天計劃可供參考，希望能幫助你精進。
比方#100DaysOfMLCode 挑戰賽發起人 Siraj Raval，就選擇了在 100 天裡，使用機器學習技術，根據氣溫、降水、植被變化等因素，預測每週的登革熱疫情，改善防疫的研究計劃和資源分配。你也可以選擇其他項目，或者在 Twitter、GitHub 等看看別人的 100 天挑戰，有沒有你合適跟隨的，或者全新啟動你的挑戰。
留言
張貼留言