适合入门的8个趣味机器学习项目

更新于 2017年10月10日 机器学习
我来说两句
wx:   网页版 2017-10-10 06:28
入门 视觉 算法 资源 聚类 课程 神经网络 数据质量 特征工程 吴恩达
「【推荐】适合入门的8个趣味机器学习项目」转自:云栖社区谈到机器学习,相信很多除学者都是通过斯坦福大学吴恩达老师的公开课《Machine Learning》开始具体的接触机器学习这个领域,但是学完之后又不知道自己的掌握情况,缺少一些实际的项目操作。对于机器学习的相关竞赛挑战,有些项目的门槛有些高,参加后难以具体的实现,因此造成自己对机器学习的热情逐渐衰减。大部分都经历过这个过程,一直想找一些练手的项目,最典型的练手项目比如手写体识别等,但这类的项目成熟得不能再成熟了,参考别人的网络模型跑一下实验,结果的准确率都快达到100%,学习调参的机会比较少,因此都想找一些适合初学者的项目练手。那么在本指南中,将给大家带来8个适合初学者学习的有趣的机器学习项目。将自己的时间花在项目上是最好的一种投资方式,在项目中你会享受学习、保持积极性并取得更快的进展。没有任何理论可以代替实践,虽然教材和课程能让你掌握一些基本原理,但在尝试应用时,你会发现具体操作起来比较困难。因此项目有助于提高应用机器学习的技巧,此外在找工作中也会给自己增添一些筹码。以下将具体介绍这8个项目,其中的任何一个项目都能在一个周末完成,如果你喜欢的话,可以对其进行相关的扩展。 本文目录 机器学习的角斗士 扮演“点球成金” 预测股票价格 教会神经网络阅读的笔迹 调查安然事件 从Scrath开始写机器学习算法 挖掘社交情绪 改善卫生保健 1.机器学习的角斗士这个项目被称为“机器学习的角斗士”,但它不是新的。这是围绕机器学习建立实际直觉最快的一种方式。目标是将现成模型应用到不同的数据集。本项目主要有3个原因令人感叹:首先,你会根据直觉为问题找到对应的模型。该模型是否对数据丢失具有鲁棒性、该模型适合处理哪种类别特征?这都可以通过挖掘教材找到答案,但如果通过实践的话能学习得更好。其次,本项目将教会你快速设计初始模型的技能。在实际应用中,如果不简单尝试的话难以知道哪些模型表现最好。最后,这个练习可以帮助你掌握建模的流程。例如: 导入数据数据清洗将数据集拆成训练/测试或交叉验证集预处理变换特征工程 因为使用现成的模型,这促使你有更多的机会专注于学习上述的这些关键步骤。通过以下教程可以练习回归、分类和聚类算法。 原文链接:https://m.aliyun.com/yunqi/articles/221708 via: http://mp.weixin.qq.com/s?__biz=MzA4NDEyMzc2Mw==&mid=2649678205&idx=1&sn=9d47467fffc32996da2119b1c2661e3e&scene=0#wechat_redirect

 

回复