《机器学习实战》学习总结 [附学习资料]

《机器学习实战》，我翻过两遍，每一次都没能读完。

机器学习实战学习资料获取方式在文末

为什么呢？

先说说好的一面。《机器学习实战》里面讲到了诸多的机器学习算法。虽说现在深度学习、强化学习等等的算法大行其道，但机器学习算法如线性回归、决策树等等，都仍然有其应用价值。这是因为：

1. 深度学习对于运行的机器要求很高，在没有GPU的情况下，只要层数一多，就会耗费大量的时间，训练过程过长，投入资源较多；
2. 深度学习算法等对于样本数要求较高，虽然有一些手段可以通过现有样本数进行一定的变化扩充，但一方面这会降低精度，另一方面需求的样本数仍然不是一个小数目；
3. 经典机器学习算法虽然看起来简单，但是包括深度学习也是从这些经典算法演进而来的，我们通过经典算法的学习，才能够真正补全自己的知识体系，并且也可以多视角去审视问题，不能因为深度学习火就无视了其他方向；
4. 经典算法用到的很多训练技巧，同样适用于深度学习，而且你可以在更简单的模型上应用体会；

第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

能学到的机器学习算法**

  1. kNN
  2. 线性回归
  3. 多项式回归
  4. 逻辑回归
  5. 模型正则化
  6. PCA
  7. SVM
  8. 决策树
  9. 随机森林
  10. 集成学习
  11. 模型选择
  12. 模型调试

python爬取小说技巧：

import requests
import time
import re

headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.7 Safari/537.36'}
num = 1

def get_info(url):
    res=requests.get(url,headers=headers)
    if res.status_code==200:
        contents = re.findall('<p>(.*?)</p>',res.content.decode('utf-8'),re.S)
        contents = str(contents).replace('&rdquo','')
        contents = str(contents).replace('&hellip','')
        contents = str(contents).replace('&ldquo','')
        contents = str(contents).replace(''''天才一秒记住本站网站 www.doupoxs.com 中间是<span style="color:blue">斗破 拼音+小说 首字母</span> 连起来就是斗破小说，喜欢我就记住我吧！''','')
        
        with open('F:/doupo.txt','a',encoding='utf-8') as f:
            f.write(contents+'\n')
    else:
        pass

if __name__=='__main__':
    urls=['http://www.doupoxs.com/doupocangqiong/{}.html'.format(str(i)) for i in range(2,1665)]
    for url in urls:
        get_info(url)
        print(num)
        num += 1
        time.sleep(1)

《机器学习实战》获取方式： 

https://vk666.lanzoum.com/iGvIR0sjl6ni