从Python入门-如何成为一名AI工程师

阶段性小结：

机器学习经典算法案例+总结：

1 获取数据

1.1导入sklearn数据集

1.2创建数据集

2 数据预处理

2.1数据归一化

2.2正则化（normalize）

2.3one-hot编码

3 数据集拆分

4 定义模型

4.1线性回归

4.2逻辑回归LR

4.3朴素贝叶斯算法NB

4.4决策树DT

4.5支持向量机SVM

4.6k近邻算法KNN

4.7多层感知机（神经网络）

5 模型评估与选择篇

5.1交叉验证

5.2检验曲线

6 保存模型

6.1保存为pickle文件

6.2sklearn自带方法joblib

学习方法总结：

传统式：从入门到放弃

突击式：蜻蜓点水，覆盖率有限

实战式：理论部分欠佳

敏捷式：突击+实战 从案例入手 以点带面 逢山开路 遇水架桥 get√

学习效率,学习质量(广度和深度),态度和意识,学习强度.

拒绝烂,拒绝懒.

有监督--目标明确,严格要求.

学到能给别人讲明白的程度,自我反思.勤于实践.

理解为主,脑图,Xmind.

贪多必失,理解--重构--呈现.

明确目标,写出自己的理解,化整为零,总结提炼.

用提问学习.多角度,深度提问.

走出舒适区.目标可实现(经过努力).

大量重复,刻意训练.

图谱结构+注意力+联想记忆+推理反思

多看多动手多思考

好奇心+分享+上进心

归纳演绎

搜索排序,推荐算法,计算机视觉,自然语言处理.深度学习,机器学习.

多层神经网络

海量数据,计算能力,算法突破.

入门学习