1樓:lidangmama00
工具和內容都很重要。學習和練習都很重要。http://www.
aidaxue.com
,上面很多教程和專案開放,可以供大家練手。
2樓:雲大學小編
阿里雲機器學習PAI平台,圖形化可拖拽式操作:
100餘種演算法元件,覆蓋回歸、分類、聚類、文字分析等演算法支援業內主流深度學習框架以及GPU分布式計算通過拖拉拽的方式拖動演算法元件拼接實現業務邏輯提供完整的資料探勘鏈路,做到一站式體驗
詳細教程:機器學習業務實踐之路--阿里雲大學
3樓:莫煩
python 的有很多,比如:
Tensorflow,
Theano,
sklearn,
如果你想用好他們,你還要學一下 numpy, pandas 整理你的資料.
4樓:cleardusk
GitHub 上的乙個蒐集 machine learning 各種 framework, lib, software,還有 free books,可以參考參考:
github.com/josephmisiti/awesome-machine-learning另外兩個專門蒐集相關書目、各種 material 的專案:
Qix/dl.md at master · ty4z2008/Qix · GitHub
Qix/dl2.md at master · ty4z2008/Qix · GitHub
以上均可以作為參考,因為內容太多太多。慢慢品嚐吧。
5樓:馬澤鋒
一站式解決方案
好評:scikit-learn, weka差評:mahout,不解釋
平常做調研用的一些工具
推薦系統:svd-feature
分類/回歸問題:liblinear, libsvmliblinear適用於大資料集,注重訓練效率,不支援kernel trick。
6樓:
感覺變成了語言的推薦貼了。
從實用的角度來說,Python在機器學習和資料探勘領域的地位在近幾年還是無法撼動的,不僅僅是在建模的過程裡面,還表現在資料的前期處理和後期處理等多方面。
所以我還是推薦Python。
另外建議題主把這個問題縮小一點,這樣各位答主才好回答。
7樓:智教教主
我還是推薦R,因為python的語法非常的靈活,反正我初看《ML in action》,numpy,scipy庫基本上看不懂。我後來用R語言把這本書中的問題都做了一遍,基本上書中的演算法我都明白了,如果想看理論推導,可以參考《統計建模與R語言》。我推薦使用R來學習機器學習,可以快速的理解概念,演算法。
至於實現,演算法都會了,難道實現還困難麼?
8樓:
上面說的都是一些應用起來比較方便的工具,並不適合所有的初學者。如果你的目的是應用現成的工具,那還可以。如是你需要進一步了解演算法,以後可能會定製適合自己的問題的演算法,那就要找一些簡單的開源軟體,看一下別人是什麼實現乙個演算法的。
9樓:
統計學出身的話,推薦R,免費開源,包數量多,社群強大。有本書叫mahine learning for hackers用的就是R。
學習機器學習應該看哪些書籍?
雷明 自薦乙個,我寫的 機器學習的數學 人民郵電出版社,2021.01 不掌握基本的數學知識,很難真正學懂機器學習 包括深度學習,強化學習 至少需要先補充下面這些數學知識 一元函式微積分 線性代數與矩陣論 注意,還多了矩陣論 多元函式微積分 最優化方法 概率論資訊理論 隨機過程 圖論我寫的這本書用最...
如何系統學習機器學習?
老王 機器學習的方法非常多,建議先學人工神經網路,包括 1 多層感知機 多層感知機包括輸入層 隱含層以及輸出層等部分。多層感知機 2 卷積神經網路 卷積神經網路是多層感知機的改進,其卷積層是核心貢獻。卷積神經網路 3 殘差收縮網路 針對強噪 高冗餘資料,殘差收縮網路能夠通過自適應軟閾值化,減輕雜訊的...
數學不好的人,適合學習深度學習,機器學習,人工智慧嗎?
百里子彧丶 我就是來勸退的我不知道國內老師怎麼樣國外本科 cs專業數學3 4年沒碰了高中學得早忘了大學也沒修微積分就學了離散函式也還能接受心血來潮學了機器學習真的學了才知道什麼叫勸退每週都是大知識點這周回歸下週分類在下週直接卷機神經網路這誰受得了上週都沒搞懂下週又來一堆公式推導都搞不懂就得在pyth...