机器学习python管理,机器学习 python

大家好，今天小编关注到一个比较有意思的话题，就是关于机器学习python管理的问题，于是小编就整理了3个相关介绍机器学习Python管理的解答，让我们一起看看吧。

1. 机器学习-如何通过Python快速入门机器学习？
2. 想学习python用来做机器学习方面的内容（如建立LDA模型），该如何入门并学习？
3. 机器学习实践：如何将Spark与Python结合？

机器学习-如何通过PYTHON快速入门机器学习？

想快速入门的话，你可以这么看机器学习. 把每个机器学习算法看成一个函数，你只关心他的输入输出是什么就行，这样只要有点编程基础的话就都会使用机器学习了！这个级别的就看看python的sklearn包的机器学习算法模型怎么调用就行。应用性的机器学习算法的学习可以多看看Jason Brownlee的blog，有很多例子很容易上手

再进一步的话，就对每个算法函数的参数去多做点了解，比如把某一个参数调大调小会有什么影响等等。当模型出现结果不好时，能大概知道怎么去调动参数做优化。还有就是了解下怎么去评估一个算法的好坏，当数据平衡不平衡时分别用什么metrics比较好。以及怎么处理under-fittinng 和over-fitting问题。

在快速入门也知道怎么使用这些模型时，可以花时间具体去看看每个算法的具体理论，以及他们的优缺点，这样碰到不同问题就会大概知道选用什么方法去解决了！

想学习python用来做机器学习方面的内容（如建立LDA模型），该如何入门并学习？

Python基础

首先，装ANACONDA，是PYTHON的集成环境。

ANACONDA的安装程序 https://www.continuum.io/downloads/ ，选择PYTHON3版本的。

推荐 菜鸟教程 PYTHON3版http://www.runoob.com/python3/python3-tutorial.html

CSDN也有PYTHON的知识库，不过不够系统，可以有一定基础再看看。链接http://lib.csdn.net/base/python

11 行 Python 代码实现的神经网络

http://python.jobbole.com/82758/

程序很短，知识量很大。把这个搞明白了，你也就入门了。

机器学习实践：如何将Spark与Python结合？

1.Spark Context设置内部服务并建立到Spark执行环境的连接。

2.驱动程序中的Spark Context对象协调所有分布式进程并允许进行资源分配。

3.集群管理器执行程序，它们是具有逻辑的JVM进程。

4.Spark Context对象将应用程序发送给执行者。

5.Spark Context在每个执行器中执行任务。

到此，以上就是小编对于机器学习python管理的问题就介绍到这了，希望介绍关于机器学习python管理的3点解答对大家有用。