程序员G哥 菜鸟学Python 2020-10-30
点击上方“菜鸟学Python”，选“星标”公众号
重磅干货，第一时间到达
机器学习无疑是现在最火的方向之一。因为大数据的兴起，尤其是伴随着5G时代的来临，万物互联，会产生越来越多的数据，给人工智能提供大量的样本数据可以训练模型。未来的社会将变的更加的智能，高效。AI将深入到我们的生活的方方面面。
许多新手学习机器学习，不知道如何入手？不能对概念进行理解？看不懂代码？今天小编给大家分享一个GitHub上非常火的学习资源，收获了14000+ 颗星，带你进入一个机器学习的交互式学习项目，让你轻松入门！
01 如何安装
该仓库基于python现有的仓库进行，只需要对应安装以下库，将仓库下载至本地即可食用jupyter == 1.0.0matplotlib == 3.0.1numpy == 1.15.3pandas == 0.23.4plotly == 3.4.1pylint == 2.1.1scipy == 1.1.0这里面仓库只需要下面命令即可安装，小编这里添加了清华源镜像，方便大家安装
pip install * -i https://pypi.tuna.tsinghua.edu.cn/simple
注意：如果您想快速安装，在下载该仓库后，直接在根目录运行以下命令可以直接安装，如果遇到问题，可选择上面进行单独安装进行问题的排查
pip install -r requirements.txt
02 内容介绍
机器学习包含了监督学习，非监督学习，神经网络等部分，此项目在每个部分都选取了经典的算法进行了理论与实践的讲解，之后还提供了一份机器学习路线图，以供后续学习参考。
下面对仓库的具体内容进行介绍,小编对仓库中的内容进行了简单的概括，如下图所示，对于机器学习的每一方面进行了一到两个算法的讲解实战，是简单的入门教程，如果想要深入学习，需要按照上面的学习路线图进行更深一步的学习噢！
对于仓库中的每一个涉及到的每一个算法，其都包含三个部分:数学推导，代码解析，示例演示，其中都有详细介绍，可方便阅读，但小伙伴要注意是英文的噢！
03 使用介绍
该项目提高提供在线观看，下载到本地使用两种方式。
1).在线学习
读者只需要打开主页的相应链接便可进行学习。该项目中的算法但都包含了Jupyter NBViewer的演示链接。这是Jupyter笔记本电脑的快速在线预览器，可以在浏览器中直接看到演示代码，图表和数据，而无需在本地安装任何内容。如果想更改代码并试用演示笔记本，则需要在Binder中启动笔记本。可以通过简单地单击NBViewer右上角的图标执行。
小编在网页端进行代码修改测试的页面如下:
2).本地使用
下载到本地之后，直接在根目录运行以下命令，便可在本地浏览器进行学习。
jupyter notebook
04 示例学习
在这里选取其中一个典型代表进行解析，选取无监督学习中的K-means方法进行举例。K-means是指将n个观测值划分为k个聚类，使得组内平方和最小，从而完成聚类的方法。在这里小编根据提示进行了学习思路的整理，主要包含理论--代码--实践三个方面，大家可以参考这个方式进行学习。
01).理论学习
首先是理论学习，其界面图文并茂，详细介绍了K-means算法要解决的问题，以及其对应的数学描述。
2).代码构建
在k-means.py文件中，构建了KMeans类，其初始化输入为要处理的数据data以及要分为的类别数num_clusters,并构建了相应的类方法进行K-means算法的构造，每一行都有英文解释，方便理解
3).数据实践
在k-means.py文件构造完成后，在k_means_demo.ipynb是对该算法进行示例演示的demo，该演示是在jupyter notebook环境中进行，使得可以进行程序交互，我们可以看到每一步程序执行之后的数据变化，对于每一步代码的理解是十分有帮助的，其中用到的数据集在data文件夹均有提供。
好了，小编的探索到这里就结束了，总之这个仓库还是十分值得学习的，对于机器学习中常见的算法都进行了详细的解释教学，对于一个机器学习的初学者十分友好，包含了图表数据演示，但想要在机器学习领域一展拳脚，单靠这个项目是不行的，需要大家按照学习路线更深一步的学习，小伙伴们Fighting！
项目链接：
https://github.com/trekhleb/homemade-machine-learning
此外，这个项目包含了matlab（octave）版本，大家可以根据自己的需求进行选择
