python与机械_Python 与 机器学习 · 简介

========== 2017.5.14 更新 ==========

最近写了个 Tensorflow 的 RNN 封装，应该可以拿它来讲讲 RNN 了

主要是感觉现在网上的相关资源都太不友好了，特别是 Tensorflow 官网那个……所以就干脆自己弄了个（个人认为）比较友好的封装

========== 2017.4.20 更新 ==========

今天搭建了一个博客，那里讲得可能会更完整、更有条理一点

========== 2017.3.22 更新 ==========

做了一个图像分类小项目、具有一定的实用性，系列教程可以参见这里

========== 2017.1.19 更新 ==========

写了一个比较朴素的 SVM，觉得应该能拿它来讲讲 SVM 了

========== 2017.2.10 更新 ==========

写了一个比较朴素的随机森林，觉得应该能拿它来讲讲 RF 了

========== 分割线的说 ==========

（题图致敬 scikit-learn）

感觉是个坑，但还是义无反顾地跳了进来（跳！

机器学习在当今很火，可能有不少童鞋想要试一试这听上去很神奇的东西……写这个（可能其实不会有人看的）系列的目的，主要是想给不知如何下手的童鞋们介绍一种入门的姿势

没错就是 Python，Python 是世界上最好的语言（逃

关于 Python 的运用我也会写一个系列，目录在这里

先说一下最基本的内容吧（以后可能会更新……毕竟我本人也是在边学习边实现的）

这里是 GitHub 地址，以下是（目前为止）我已经实现（并打算写专栏）的内容：

目前差不多就这些，对于已经开始写的算法，上面相应的文字会变成相应的文章，否则会导向相应的 GitHub 地址。至于核心算法、我都只应用了标准库和 Numpy 来实现，不过由于神经网络部分稍微有些特殊，所以那部分我会分两块讲：基于 tensorflow 的实现的说明。这一块会是主体，它能帮助我们快速了解一个大的框架

基于 Numpy 的实现、也就（大概）是所谓的重新造轮子的说明。重新造轮子的意义更多在于理解算法细节和熟悉编程语言的各种运用，如果是应用在工程上的话可能还是使用成熟的框架（比如 tensorflow 啊、tensorflow 什么的）比较好。

这一块的章节都是带星号的章节，个人的建议是在看这些章节之前、先把没带星号的章节看一遍；如果觉得不过瘾、想要了解更多细节的话、再来看相对应的带星号章节。所有带星号的章节的顶部都会有相应的不带星号章节的链接，观众老爷们如果没看过的话可以先戳进去看看 ( σ'ω')σ

然后就是这一个系列主要说的是实现，原理的话会在以“数学”为前缀的系列里面说

毕竟我还算是个数院的学生（躺

虽然码代码的时间比做数学题的时间多（躺

以上（用的括号可能有点多）（希望观众老爷们多多谅解）（逃

（另：在下学习机器学习的时间说实话非常有限，很多地方可能理解的不准确甚至有错，届时恳请观众老爷们点出并批评，我会马上更正并注明师出何方~）