初学者必读的八个趣味机器学习项目 ‖ 教程+数据集

抽时间做项目是最好的一种投资方式，在项目中你会享受学习、保持积极性并能获得更快的进展。没有任何理论可以代替实践，虽然教材和课程能让你掌握一些基本原理，但在尝试应用时，你会发现具体操作起来比较困难。

因此项目有助于提高应用机器学习的技巧，此外在找工作中也会给自己增添一些筹码。

以下将具体介绍这八个项目，每个项目都能在一个周末完成，如果你喜欢的话，可以对其进行相关的扩展。

本文目录

1. 机器学习的角斗士

2. 扮演“点球成金”

3. 预测股票价格

4. 教会神经网络阅读的笔迹

5. 调查安然事件

6. 从Scrath开始写机器学习算法

7. 挖掘社交情绪

8. 改善卫生保健

1.机器学习的角斗士

这个项目被称为“机器学习的角斗士”，但它不是新的。这是围绕机器学习建立实际直觉最快的一种方式。目标是将现成模型应用到不同的数据集。本项目主要有3个原因令人感叹：

首先，你会根据直觉为问题找到对应的模型。该模型是否对数据丢失具有鲁棒性、该模型适合处理种类别特征？这都可以通过挖掘教材找到答案，但如果通过实践的话能学习得更好。

其次，本项目将教会你快速设计初始模型的技能。在实际应用中，如果不简单尝试的话难以知道哪些模型表现最好。

最后，这个练习可以帮助你掌握建模的流程。例如：

• 导入数据

• 数据清洗

• 将数据集拆成训练/测试或交叉验证集

• 预处理

• 变换

• 特征工程

因为使用现成的模型，这导致你有更多的机会专注于学习上述的这些关键步骤。

通过以下教程可以练习回归、分类和聚类算法。

教程

• Python：sklearn——sklearn数据包官方教程

  （http://suo.im/2soaN8）

• Scikit Learn预测葡萄酒质量——用于训练机器学习模型的分步教程

  （http://suo.im/4qWf3S）

• R：插入符号——在线研讨会

  （http://suo.im/28G7jk）

数据源

• UCI机器学习库——350多个可检索数据集，几乎涵盖每一个主题。

  （http://suo.im/2LAdKq）

• Kaggle数据集——Kaggle社区上的100多个数据集。

  （https://www.kaggle.com/datasets）

• Data.gov——由美国政府发布的开放数据集。

  （https://www.