作者 | 非同步圖書

責編 | 胡巍巍

本文內容經授權摘自《Python機器學習》

方法不對，努力白費！

多少程式設計師想轉行AI，卻倒在了學Python的歧路上？

都知道做AI賺錢多，為何你總是找不對門路？

眾所周知，目前機器學習紅遍全球。男女老少都在學機器學習模型、分類器、神經網路。

你也想成為一份子嗎？但你該如何開始？以及到底該如何定義機器學習？到底什麼樣的教材，才是真正適合你的？今天的文章一定對你有幫助！

什麼是機器學習？

從出生的那天起，我們就一直在學習中度過。

隨著逐漸的成長，開始學習如何走路；透過傾聽周圍人的談話，學習並嘗試模仿；透過學習不同單詞的意思，使得在需要時懂得該如何進行表達。

同時也開始區分事情的好壞。例如，在第一次靠近火源時，會因灼熱而後退，從而明白要與火源保持一定的距離。

那麼，現在思考一下計算機的工作原理。

計算機可以在1s內遵循人類的指示處理數百萬條指令，並返回結果；它可以執行人類描述的任務，但是卻不能自行決定。

而機器學習此時就可以發揮作用了。如果給予計算機像人類一樣的思考能力，那會發生什麼呢？

可以用計算機能理解的方式，給出每一天的任務令其進行計算，還可以建立一些模型來幫助計算機在將來採取行動。

人類從經驗中學習知識，計算機則遵循指令執行任務。然而，其實還可以直接向計算機提供經驗讓其學習併為行動做準備。

目前我們是以結構化的方式定義經驗。因此，我們將計算機從資料（經驗）中進行學習的過程稱為機器學習（Machine Learning）。

以買香蕉為例。你的母親需要你去市場上買一些香蕉，同時她告訴你鮮黃色的香蕉很好吃。

你到一個水果商那裡，開始按照母親的建議挑選香蕉。你買了20根香蕉後就回家了，然而回家後你注意到有些香蕉的味道並不像其他的那樣好。

事實上，有5根香蕉是壞的。你逐個拿起香蕉並開始作出假設。 20根香蕉中有12根大香蕉和8根小香蕉。

這8根小香蕉都很美味，但是大香蕉就不一樣了，在12根大香蕉中有5根味道不如預期。

你已經掌握了挑選香蕉的知識。第二天，當你到達市場時，注意到有個水果商在打折出售香蕉，這些香蕉和昨天的不同，它們的皮帶有一些綠色。

從這裡買完香蕉回到家後，根據之前的經驗將每一根香蕉分為好與壞，會發現大的綠色香蕉很好吃，但是小的綠色香蕉的味道不如其他的好。這樣，你就學會了新規則。

你開始將自己看作是香蕉專家。有一天，你不得不去另一個城市參加表親的婚禮。

現在你驚訝地發現這裡所有的香蕉都很小，但是味道卻都很好。在這裡你瞭解到來自這個區域的香蕉是暢銷商品。

現在你確實已經是一名專家了。但如果你的姐姐很長時間沒有回家了，並且她喜歡石榴而討厭香蕉。你要怎麼辦呢？為了找到美味的石榴，你需要重新開始你的學習。

現在這個任務就可以由機器學習負責指引計算機完成了。可以使用資料點的形式向計算機提供知識。資料點的屬性稱為特徵（Feature），這裡的特徵是香蕉的大小（小、中、大）、顏色、產地等。

輸出（Output）就是味道（好或者壞）。將這些資料輸入到機器學習程式中，就可以讓計算機學習如何區分香蕉的好與壞。

機器學習演算法是一種根據經驗來給予你決策能力的智慧演算法。

為什麼選擇Python

Python在資料科學家中是非常受歡迎的程式語言。

第一，它免費且易學，不必為了小任務而浪費大量注意力；

第二，它是面向物件的語言，這也是其被大型開發者社群支援的原因；第三，巨大的開源庫支援。 Python具有相當數量的開源庫，能夠更迅速地實現資料科學和機器學習解決方案，而無須從頭開始編寫每一個演算法。像Pandas、 scikit-learn、 SciPy、 NumPy、 Keras這樣的庫對於快速實現機器學習演算法非常有用。

首先，透過一個例子瞭解如何使用程式語言來解決現實世界的問題。

假設舉辦一個聚會。你為每個進入聚會的人分配一個唯一的1～100之間的號碼。現在聚會結束了，你宣佈了一個訊息。

“會從1～200之間獲取一個隨機數。如果有兩個人的號碼之和與這個數字相等，就會獎勵這兩個人。”

現在瞭解到，已經向x個人分配了號碼。如何確定能否給其中兩個人獎勵呢？

可以嘗試使用Python來解決這個問題。首先，從列表中獲取輸入資料。

1numberList = list（［43，23，1，67，54，2，34，56，23，65，12，9，87，4，33］）

現在選擇一個隨機數並將其儲存在一個變數中。

1sumSelector = raw_input（）

為了解決這個問題，必須先對資料進行排序。在Python列表中排序很簡單，可以透過sort函式來完成。

1numberList = numberList。sort（）

透過上述語句，將排序後的數字賦值給變數。現在使用兩個指標：一個指向開始處（前指標）；另一個指向結束處（後指標）。

檢查兩指標所指變數的和。如果和小於給定值（意味著當前的總和小於所需的總和），前指標向前移動一步並再次檢查；

如果和大於給定值（意味著當前的總和大於所需的總和），將後指標向後移動一步並再次檢查。

無論在任何位置，如果當前的總和等於要求的總和，便可以說，存在兩個人的數值之和與給定的數值相同，需要給予獎勵；

如果兩個指標相交併且仍然沒有達到所需的總和，則可以聲稱並不存在兩個人的數值之和與給定的數值相等。

以下是完整的解決方案。

1defisPrizeGiven（numberList，sumSelector）：

2

3sumOfTwo = sumSelector

4

5 i=0

6

7 j = len（numberList） -1

8

9if（i>=j）：

10

11returnFalse

12

13while（i<=j）：

14

15 currentSum = numberList［i］+numberList［j］

16

17 print（i，j，currentSum）

18

19if（currentSum==sumOfTwo）：

20

21returnTrue

22

23if（currentSum>sumOfTwo）：

24

25 j=j-1

26

27else：

28

29 i=i+1

30

31returnFalse

為獲得所需答案，必須向函式傳遞排序列表和給定的數值（即兩數值的期望和）。

1if （isPrizeGiven（numberList，sumSelector）：

2print（“No Escape。 Give Prize to Everyone”）

3else：

4print（“You Saved Yourself！！”）

即使現在不能理解此程式碼，也不要擔心。接下來我們還會對這段程式碼進行解析，並介紹程式設計語言的基本原理。

本文摘自《Python機器學習》

《Python機器學習》

作者：［印］阿布舍克·維賈亞瓦吉亞

ISBN 978-7-115-50135-6/

此書為Python機器學習實用教程，Python 3程式設計師晉級必備圖書，本書提供配套資源可供讀者下載。

內容提要：

《Python機器學習》透過解釋數學原理和展示程式設計示例對機器學習進行了系統、全面的解析。

《Python機器學習》共分為12章，內容涵蓋了機器學習以及Python語言的基礎知識、特徵工程的概念與操作技術、資料視覺化技術的實現、監督學習及無監督學習演算法、文字分析、神經網路和深度學習、推薦系統的構建方法以及預測處理時間序列的方法等。

閱讀本書能夠加深讀者對機器學習的認識和理解，從而達到理論與實踐相結合、學以致用的目的。

喜歡這本書嗎？

CSDN聯合非同步圖書，

針對CSDN使用者推出限時7.5折的優惠價。

買一本書，

不過是兩杯咖啡的價格，

但如果掌握了本書的精華，

或可讓你升職加薪！

上進的你，

動動手指趕快把新知識納入囊中吧！

掃碼就可購買哦！