Python 與 機器學習 · 簡介

========== 2017.5.14 更新 ========== n

最近寫了個 Tensorflow 的 RNN 封裝，應該可以拿它來講講 RNN 了

主要是感覺現在網上的相關資源都太不友好了，特別是 Tensorflow 官網那個……所以就乾脆自己弄了個（個人認為）比較友好的封裝n

========== 2017.4.20 更新 ==========n

今天搭建了一個博客，那裡講得可能會更完整、更有條理一點

========== 2017.3.22 更新 ==========

做了一個圖像分類小項目、具有一定的實用性，系列教程可以參見這裡

========== 2017.1.19 更新 ==========

寫了一個比較樸素的 SVM，覺得應該能拿它來講講 SVM 了

========== 2017.2.10 更新 ==========

寫了一個比較樸素的隨機森林，覺得應該能拿它來講講 RF 了

========== 分割線的說 ==========n

（題圖致敬 scikit-learn） n

感覺是個坑，但還是義無反顧地跳了進來（跳！

機器學習在當今很火，可能有不少童鞋想要試一試這聽上去很神奇的東西……寫這個（可能其實不會有人看的）系列的目的，主要是想給不知如何下手的童鞋們介紹一種入門的姿勢

沒錯就是 Python，Python 是世界上最好的語言（逃n關於 Python 的運用我也會寫一個系列，目錄在這裡

先說一下最基本的內容吧（以後可能會更新……畢竟我本人也是在邊學習邊實現的）

這裡是 GitHub 地址，以下是（目前為止）我已經實現（並打算寫專欄）的內容：

* Tensorflow 應用式入門教程

* NN

* CNN

* RNN

* 樸素貝葉斯

* 決策樹

* 集成學習

* 支持向量機（SVM）

目前差不多就這些，對於已經開始寫的演算法，上面相應的文字會變成相應的文章，否則會導向相應的 GitHub 地址。至於核心演算法、我都只應用了標準庫和 Numpy 來實現，不過由於神經網路部分稍微有些特殊，所以那部分我會分兩塊講：

1. 基於 tensorflow 的實現的說明。這一塊會是主體，它能幫助我們快速了解一個大的框架
2. 基於 Numpy 的實現、也就（大概）是所謂的重新造輪子的說明。重新造輪子的意義更多在於理解演算法細節和熟悉編程語言的各種運用，如果是應用在工程上的話可能還是使用成熟的框架（比如 tensorflow 啊、tensorflow 什麼的）比較好。n這一塊的章節都是帶星號的章節，個人的建議是在看這些章節之前、先把沒帶星號的章節看一遍；如果覺得不過癮、想要了解更多細節的話、再來看相對應的帶星號章節。所有帶星號的章節的頂部都會有相應的不帶星號章節的鏈接，觀眾老爺們如果沒看過的話可以先戳進去看看 ( σω)σ

然後就是這一個系列主要說的是實現，原理的話會在以「數學」為前綴的系列裡面說

畢竟我還算是個數院的學生（躺

雖然碼代碼的時間比做數學題的時間多（躺

以上（用的括弧可能有點多）（希望觀眾老爺們多多諒解）（逃

（另：在下學習機器學習的時間說實話非常有限，很多地方可能理解的不準確甚至有錯，屆時懇請觀眾老爺們點出並批評，我會馬上更正並註明師出何方~）