AI 学习路线：从Python开始机器学习

Posted 2021-03-28 七月在线实验室

从无人驾驶汽车到股市预测，再到在线学习，机器学习通过预测来进行自我提高的方法几乎被用在了每一个领域。由于机器学习的实际运用，目前它已经成为就业市场上最有需求的技能之一。如果你也想学习红遍全球的机器学习，这篇文章正是为你而准备的。

使用 Python 来开始机器学习很简单，因为有大量的在线资源，以及许多可用的 Python 机器学习库。

值得知道的Python程序库

Scikit-learn

你刚开始学机器学习吗？如果你需要一个涵盖了特征工程，模型训练和模型测试所有功能的程序库，scikit-learn是你的最佳选择！这个优秀的免费软件提供了机器学习和数据挖掘所需要的所有工具。它是目前Python机器学习的标准库。要使用任何成熟的机器学习算法都推荐使用这个库。

这个程序库支持分类和回归，实现了基本所有的经典算法（支持向量机，随机森林，朴素贝叶斯等等）。程序库的设计让迁移算法十分容易，使用不同的算法做实验非常轻松。这些经典算法可用性很强，能用于大量不同的情况。

但这并不是Scikit-learn的全部功能，它同样可以用来做降维，聚类等等任何你所能想到的。由于它构建在Numpy和Scipy之上（所有的数值计算都是由C语言来完成的），它的运行速度也超快。

这些例子可以告诉你这个库的功能，如果你想学习如何使用它，可以阅读教程。

NLTK

NLTK不算是一个机器学习的程序库，但它是做自然语言处理（NLP）必须的一个库。除了用于文字处理的功能，例如聚类，分词，词干提取，标记，解析等，它还包含了大量的数据集和其他关于词法的资源（可用于模型训练）。

把所有这些打包在一起的好处就不用再多说了。如果你对NLP感兴趣，可以看看这些教程!

Theano

Theano被广泛应用于工业界和学术界，它是所有深度学习架构的鼻祖。Theano是用Python，结合Numpy实现的。你可以用它来构建用多维数组实现神经网络。Theano会处理所有数学计算，你不需要知道底层的数学公式实现。

早在支持使用GPU进行计算不像今天这样普及的时候，Theano就已经提供了对GPU计算的支持。这个程序库目前已经非常成熟，能够支持很多不同类型的操作。这使得Theano可以在和其他库比较的时候胜出。

目前关于Theano最大的问题是API不是很好用，对于新手来说上手困难。不过市面上已经有了解决这个问题的封装包，比如Keras, Blocks 和 Lasagne，都可以简化Theano的使用。

TensorFlow

谷歌大脑团队为了内部使用创造了TensorFlow，2015年将其开源化。设计初衷是取代他们已有的封闭机器学习框架DistBelief，据说该构架太过于依赖Google的整体构架，也不够灵活，在分享代码的时候非常不方便。

于是就有了TensorFlow。谷歌从以前的错误中吸取了教训。许多人认为TensorFlow是Theano的改进版，它提供了更灵活和好用的API。可以用于科研和工业界，同时支持使用大量的GPU进行模型训练。TensorFlow支持的操作没有Theano多，但是它的计算可视化比Theano好。

TensorFlow目前非常流行。如果今天这篇文章里面提到的名字你只听说了一个，那很有可能是这个。每天都有新的提到TensorFlow的博文或学术文章发表。这个流行度提供了大量的用户和教程，新人很容易上手。

Keras

Keras是一个提供更高层神经网络API的库，它可以基于Theano或者TensorFlow。它拥有这两个库强大的功能却又同时大大地简化了使用难度。它将用户的体验放在首要地位，提供简单的API和很有用的错误信息。

同时Keras的设计基于模块，这就使得你能自由组合不同的模型（神经层，成本函数等等），而且模型的可扩展性很好，因为你只需要简单的将新模块跟已有的连起来即可。

有人觉得Keras太好用了，简直就是在作弊。如果你开始用深度学习，可以看看例子 和 文档，对于你可以用它做什么有个数。如果你要学习使用它，可以从 这个教程开始。

两个类似的库有Lasagne 和 Blocks, 但它们只支持Theano。如果你试过了Keras但是你不喜欢它你可以试试这些其他的库，也许它们更适合你。

PyTorch

还有一个有名的深度学习架构是Torch，它是用Lua实现的。Facebook用Python实现了Torch，叫做PyTorch，并将它开源了。用这个库你可以使用Torch使用的低层的库，但是你可以使用Python而不是Lua。

PyTorch对查错的支持很好，这是因为Theano和TensorFlow使用符号计算而PyTorch则不是。使用符号计算就表明在一行代码被解释的时候，一个操作（x+y）并不会被执行，在那之前，它必须先被编译（解释成CUDA或者C语言）。这就让用Theano和TensorFlow的时候很难查错，因为很难把报错跟当前的代码联系起来。这样做有它的好处，不过查错简单不在其中。

如果你想开始学PyTorch，官方文档适合初学者也会包含有难度的内容。

机器学习的第一步？

你讲了这么多机器学习的包，我应该用哪一个？我怎样比较它们？我从哪里开始？

如果你完全没有接触过机器学习，从scikit-learn开始。你可以了解标记，训练和测试是怎样工作的，以及一个模型是如何被建立的。

如果你想试试深度学习，从 Keras开始，毕竟这是大家公认的最简单的框架。你可以先试试，找找感觉。当你有点经验之后，你可以开始考虑你最需要的是什么：速度，不同的API，或者别的什么，之后你就能更好地决定了。

目前有海量的文章比较Theano，Torch和TensorFlow。没有人能说哪个最好。你要记住的是所有包都支持很多东西，而且也在不断改进，想相互比较它们也越来越难。六个月前的标准有可能已经过时了，一年前的评价说框架X没有Y功能也不一定还有效。

结语

这篇关于用Python库做机器学习的简介就到此为止。我想强调的是不要被细节吓住了，放手尝试。让你的好奇心指导你前进，不要害怕进行不同的实验。

想学习更多？

七月在线为你准备了一门非常系统的机器学习课程。课程采用线上+线下授课模式，BAT专家面对面、手把手教学；除直播答疑、作业批改、在线考试之外，特地增加开课前的入学测评，基于每一个人的测评数据量身定制个性化的不同学习路线。北京、上海、深圳、广州、杭州、沈阳、济南、郑州八城同步开营。

除了为你提供一条清晰的学习路径，更有10个工业项目实战辅导 + 一对一面试求职辅导，真正帮你从零转型机器学习工程师！

扫描下方二维码撩课