使用scikit-learn进行机器学习入门

本视频系列将教你如何使用Python流行的scikit-learn库解决机器学习问题。共有10个视频教程，总时长4.5小时，每个教程都有相应的Jupyter笔记本。

你可以在YouTube上观看整个系列，并使用nbviewer查看所有笔记本。

该系列也作为免费在线课程提供，包括更新的内容、测验和完成证书。

注意： 本仓库中的笔记本已更新至使用Python 3.9.1和scikit-learn 0.23.2。视频中展示的原始笔记本使用的是Python 2.7和scikit-learn 0.16，可从归档分支下载。你可以在这篇博客文章中了解我如何更新代码。

目录

1. 什么是机器学习，它是如何工作的？(视频, 笔记本

   • 什么是机器学习？
   • 机器学习的两个主要类别是什么？
   • 有哪些机器学习的例子？
   • 机器学习是如何"工作"的？

2. 为机器学习设置Python环境：scikit-learn和Jupyter Notebook (视频, 笔记本

   • scikit-learn的优点和缺点是什么？
   • 如何安装scikit-learn？
   • 如何使用Jupyter Notebook？
   • 有哪些学习Python的好资源？

3. 使用著名的鸢尾花数据集开始scikit-learn之旅 (视频, 笔记本

   • 什么是著名的鸢尾花数据集，它与机器学习有什么关系？
   • 如何将鸢尾花数据集加载到scikit-learn中？
   • 如何用机器学习术语描述数据集？
   • scikit-learn处理数据的四个关键要求是什么？

4. 使用scikit-learn训练机器学习模型 (视频, 笔记本

   • 什么是K-近邻分类模型？
   • scikit-learn中模型训练和预测的四个步骤是什么？
   • 如何将这种模式应用到其他机器学习模型？

5. 在scikit-learn中比较机器学习模型 (视频, 笔记本

   • 如何为我的监督学习任务选择合适的模型？
   • 如何为该模型选择最佳调优参数？
   • 如何估计我的模型在样本外数据上的可能表现？

6. 数据科学流程：pandas, seaborn, scikit-learn (视频, 笔记本

   • 如何使用pandas库将数据读入Python？
   • 如何使用seaborn库可视化数据？
   • 什么是线性回归，它是如何工作的？
   • 如何在scikit-learn中训练和解释线性回归模型？
   • 回归问题的一些评估指标有哪些？
   • 如何选择应该包含在模型中的特征？

7. 用于参数调优、模型选择和特征选择的交叉验证（视频，笔记本）

   • 使用训练/测试集分割程序进行模型评估有什么缺点？
   • K折交叉验证如何克服这个限制？
   • 如何使用交叉验证来选择调优参数、选择模型和选择特征？
   • 有哪些可能改进交叉验证的方法？

8. 高效搜索最佳调优参数（视频，笔记本）

   • 如何使用K折交叉验证搜索最佳调优参数？
   • 如何提高这个过程的效率？
   • 如何同时搜索多个调优参数？
   • 在进行实际预测之前，如何处理这些调优参数？
   • 如何降低这个过程的计算成本？

9. 评估分类模型（视频，笔记本）

   • 模型评估的目的是什么，有哪些常见的评估程序？
   • 分类准确率的用途是什么，它有什么局限性？
   • 混淆矩阵如何描述分类器的性能？
   • 可以从混淆矩阵中计算出哪些指标？
   • 如何通过改变分类阈值来调整分类器性能？
   • ROC曲线的目的是什么？
   • 曲线下面积（AUC）与分类准确率有何不同？

10. 构建机器学习工作流程（视频，笔记本）

    • 为什么应该使用Pipeline？
    • 如何使用OneHotEncoder对分类特征进行编码？
    • 如何使用ColumnTransformer将OneHotEncoder应用于选定的列？
    • 如何构建和交叉验证Pipeline？
    • 如何使用Pipeline对新数据进行预测？
    • 为什么应该使用scikit-learn（而不是pandas）进行预处理？

额外视频

在2016年PyCon大会上，我教授了一个基于这个视频系列的3小时教程，重点关注基于文本的数据。你可以在YouTube上观看教程视频。

以下是我涵盖的主题：

1. scikit-learn中的模型构建（复习）
2. 将文本表示为数值数据
3. 将基于文本的数据集读入pandas
4. 对数据集进行向量化
5. 构建和评估模型
6. 比较模型
7. 深入检查模型以获取更多见解
8. 在另一个数据集上练习这个工作流程
9. 调整向量化器（讨论）

访问这个GitHub仓库以获取教程笔记本和许多其他推荐资源。