機器學習是我們這個時代最具變革性的技術，它具有從太空探索到財務，醫(yī)學和科學的巨大應用。據(jù)估計，未來對機器學習專家的需求將會不斷增加，今年估計增長約60％。

最重要的是，該行業(yè)在過去幾年中經(jīng)歷了巨大的變革。以前，要成為一名機器學習專家，你需要有一個博士學位（或一些高學歷），但現(xiàn)在已經(jīng)不是這樣了。由于大型科技公司如Alphabet（谷歌母公司），IBM，微軟等公司的參與，現(xiàn)在任何人都可以更輕松地開始機器學習。

這不，YouTube上的大咖Siraj Raval就發(fā)起了一個挑戰(zhàn)賽：#100DaysOfMLCode。

什么是＃100DaysOfMLCode？

這是向機器學習開發(fā)人員（專家或新手）發(fā)出的挑戰(zhàn)，要求在接下來的100天內每天至少花一小時學習和構建機器學習模型。內容有易到難，由此也可以看得出博主Avik-Jain的用心良苦。

其中一名叫Avik Jain的機器學習愛好者，創(chuàng)建了一個100-Days-Of-ML-Code的項目，很快引起了大家的注意，截至今日，該項目已經(jīng)獲得了11570個「star」以及1993個「fork」（GitHub地址：https://github.com/Avik-Jain/100-Days-Of-ML-Code）。

更不可思議的是，他還創(chuàng)建了該項目的中文版

從他的GitHub主頁可以看到他共創(chuàng)建了6個項目:

目前作者的100天計劃，已經(jīng)進行到第54天，已有的內容包括：

有監(jiān)督學習

● 數(shù)據(jù)預處理

● 簡單線性回歸

● 多元線性回歸

● 邏輯回歸

● k近鄰法(k-NN)

● 支持向量機(SVM)

● 決策樹

● 隨機森林

無監(jiān)督學習

● K-均值聚類

● 層次聚類

這里我們通過介紹第一天的數(shù)據(jù)預處理來深入了解下這個項目

數(shù)據(jù)預處理

第一步導入庫

importnumpyasnpimportpandasaspd

第2步：導入數(shù)據(jù)集

dataset=pd.read_csv('Data.csv')X=dataset.iloc[:,:-1].valuesY=dataset.iloc[:,3].values

第3步：處理丟失數(shù)據(jù)

fromsklearn.preprocessingimportImputerimputer=Imputer(missing_values="NaN",strategy="mean",axis=0)imputer=imputer.fit(X[:,1:3])X[:,1:3]=imputer.transform(X[:,1:3])

第4步：解析分類數(shù)據(jù)

fromsklearn.preprocessingimportLabelEncoder,OneHotEncoderlabelencoder_X=LabelEncoder()X[:,0]=labelencoder_X.fit_transform(X[:,0])

創(chuàng)建虛擬變量

onehotencoder=OneHotEncoder(categorical_features=[0])X=onehotencoder.fit_transform(X).toarray()labelencoder_Y=LabelEncoder()Y=labelencoder_Y.fit_transform(Y)

第5步：拆分數(shù)據(jù)集為訓練集合和測試集合

fromsklearn.cross_validationimporttrain_test_splitX_train,X_test,Y_train,Y_test=train_test_split(X,Y,test_size=0.2,random_state=0)

第6步：特征量化

fromsklearn.preprocessingimportStandardScalersc_X=StandardScaler()X_train=sc_X.fit_transform(X_train)X_test=sc_X.fit_transform(X_test)

通過6步完成數(shù)據(jù)預處理。此例子中用到的數(shù)據(jù)地址：https://github.com/Avik-Jain/100-Days-Of-ML-Code/blob/master/datasets/Data.csv

可以看出他每天的計劃都包含一張學習圖片，操作補流程、相應的代碼，以及用到的數(shù)據(jù)

簡單線性回歸 | 第2天

多元線性回歸 | 第3天

邏輯回歸 | 第4天