机器学习初学者_面向初学者的5个最佳机器学习项目

最新推荐文章于 2024-09-03 17:36:18 发布

dfsgwe1231

最新推荐文章于 2024-09-03 17:36:18 发布

阅读量476

点赞数

文章标签：算法大数据编程语言区块链 python

原文链接：https://hackernoon.com/top-5-machine-learning-projects-for-beginners-47b184e7837f

版权

机器学习初学者

作为初学者，进入一个新的机器学习项目可能会很困难。整个过程从选择一个数据集开始，然后，首先研究数据集，以找出哪种机器学习算法类或类型最适合该数据集。

以下是专家的一些入门提示：

找到一个相对容易分析的大小适中的数据集。 UCI ML存储库和Kaggle是搜索的好地方。
实验数据集。为了获得对数据集的良好“感觉”，您可以对数据运行几种顶级的机器学习算法，以查看其行为以及每种算法实现的性能。
选择性能最佳的算法并进行相应调整。

好的，现在我们有了一些开始使用ML项目的一般提示，让我们看一下10个有趣的示例，这些示例将教您如何使用ML算法，对其进行调优以及如何分析给定的数据。

1.有虹膜花分类的有监督机器学习

Iris Flowers数据集被视为ML的“ Hello World”，因为它是分类的经典示例。该数据集提供了很好的介绍，因为它要求您学习如何浏览数据以及如何加载数据。此数据集的好处是加载到内存（150行）的空间很小，并且只有四个属性：花瓣长度，花瓣宽度，分隔长度和分隔宽度。

该项目涉及使用四个已知属性识别四种不同的鸢尾花。数据集允许您在标记数据时使用监督学习算法，而无监督则意味着我们在数据未被标记时正在寻找数据中的隐藏结构。

分类类型？ 我们在这里使用多类分类 。这意味着我们应该能够准确地预测数据点属于哪个类别。

目标：根据花的特性将花分类为三种：花瓣和萼片的尺寸。

下载： 鸢尾花数据集
完整指南：有关解决问题的信息，请参见此处。

2.带有GNY的交易预测

多年来，机器学习一直是一个热门话题，但由于成本原因，大多数开发人员无法使用许多流行的服务。名为GNY的小组正在通过分散其强大的机器学习平台来解决该问题，该平台可免费下载和安装。机器学习平台实际上是嵌入在区块链中的，因此可以保护用户数据免受潜在黑客攻击。

该团队发布了一个演示，演示了该平台如何通过其强大的神经网络预测零售交易组，并在今年夏天推出了完全可下载和可定制的平台版本。 GNY将拥有一个可选的机器学习代码集库，可以根据每个人的需求对其进行选择，并将其应用于其侧链（因为GNY将使用Lisk的侧链技术）。

为什么这个这么重要？ 几乎所有企业都在寻找一种负担得起的方法来释放其数据中的隐藏价值，但如果这样做会使他们面临安全风险，则不会。区块链的固有结构有助于控制数据的一致性，并允许您始终控制数据。

由于可以在下一个块仍处于活动状态时为下一个块启动验证，因此性能得以提高。验证包括检查用户是否有足够的余额。仅对于错误预测的交易，需要重做这项工作。

对于想要预测简单数字的人来说，该演示是一个有趣的入门项目，今年夏天启动的完整平台应为开发人员提供更多功能和定制功能。在MLWave上可以找到一个很好的数据集，用于使用购买历史来预测回头客。

目标：根据支出历史预测未来的交易。

3.带有Twitter的情绪分析

机器学习的一种有趣的应用是情感分析。随着加密货币的兴起，情感分析已取得重大突破。许多人试图构建结合了情绪分析的交易机器人，以做出更好的交易决策。

还有许多其他可用于情感分析的平台，例如Reddit，Facebook或LinkedIn，因为它们都提供了易于使用的API来检索数据。但是，由于Twitter平台上数据的格式一致，因此这是机器学习的首选数据。由于推文主要由文本，URL和主题标签组成，因此预处理也容易得多。

Twitter API知道许多可用于集成到您的项目中的API库。可以使用！pip install python-twitter通过pip安装Python的包装。但是，使用API时请当心，因为过度使用会使您进入黑名单。因此，Twitter提供指导如何避免速率的限制。如果您需要实时数据，则Twitter流API可以为您节省时间。

有几个有趣的例子可以分析：