机器学习

使用 Python 进行机器学习和深度学习。

学习内容

Scikit-learn

---

传统机器学习算法、模型训练、评估

PyTorch

---

深度学习框架、神经网络、自动微分

TensorFlow

---

Google 深度学习框架、Keras API

机器学习流程

---

数据预处理、特征工程、模型选择

机器学习类型

框架选择

任务	推荐框架
传统机器学习	Scikit-learn
深度学习研究	PyTorch
生产部署	TensorFlow
快速原型	Keras
计算机视觉	OpenCV + PyTorch
自然语言处理	Transformers

机器学习工作流

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 1. 数据准备
X, y = load_data()
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

# 2. 特征工程
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 3. 模型训练
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train_scaled, y_train)

# 4. 模型评估
y_pred = model.predict(X_test_scaled)
accuracy = accuracy_score(y_test, y_pred)