學(xué)完Python基礎(chǔ)，研究機器學(xué)習(xí)，聽說只需要調(diào)用scikit-learn庫就可以了？

圖樣圖森破！如果不了解機器學(xué)習(xí)算法的原理，調(diào)整模型參數(shù)的時候就會一臉的懵。

下面文摘菌就給大家介紹一個機器學(xué)習(xí)教程，此教程已經(jīng)沖到了GitHub熱榜第三的位置，內(nèi)容既包含理論知識，又包含代碼實現(xiàn)。

具體來說有四個方面的介紹，包括機器學(xué)習(xí)的定義、機器學(xué)習(xí)的起源，以及進(jìn)化反向、機器學(xué)習(xí)的分類和類別、最常用的機器學(xué)習(xí)算法，如何實現(xiàn)。

在機器學(xué)習(xí)的基礎(chǔ)方面，從線性回歸入手，然后介紹、過擬合/欠擬合、正則、交叉驗證等必備知識點。

線性回歸：如何使用，損失函數(shù)如何設(shè)計、求參數(shù)使用最小二乘還是梯度下降？

過擬合的表現(xiàn)以及原因，欠擬合的表現(xiàn)以及原因。

了解完機器學(xué)習(xí)基礎(chǔ)，進(jìn)入機器學(xué)習(xí)的兩大分類，即監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。這一塊主要介紹算法，監(jiān)督學(xué)習(xí)涉及的內(nèi)容包括：決策樹，KNN算法、樸素貝葉斯、邏輯回歸以及支持向量機。無監(jiān)督學(xué)習(xí)有兩個算法：聚類和主成分分析。

經(jīng)典算法研究完了，深度學(xué)習(xí)當(dāng)然也不能放過，如果你剛接觸機器學(xué)習(xí)，只要了解經(jīng)典神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)，自動編碼，循環(huán)神經(jīng)網(wǎng)絡(luò)就可以了。

卷積神經(jīng)網(wǎng)絡(luò)必知必會

代碼示例

從內(nèi)容介紹來看，新手入門機器學(xué)習(xí)，掌握這個GitHub項目就可以了。