Python 初学者十大机器学习项目

机器学习就像它的名字一样。其理念是，各种技术，如计算机和平板电脑，可以从编程和其他信息中学习东西。这似乎是一个抽象的概念。然而，这种技术每天都被许多人使用。语音识别就是一个很好的例子。Siri和Alexa等虚拟助手使用技术来背诵消息、回答问题和响应指令。

随着机器学习的不断发展，越来越多的专业人士正在考虑在机器学习专家领域开辟职业道路。开始的最有效方法之一是通过创建项目来学习实践。网上有许多免费的资源。

10 个机器学习入门项目

下面是我们将在下面详细分析的 10 个最基础的机器学习项目列表

• 基于 Movielens 数据集的电影推荐
• TensorFlow
• 使用 Walmart 数据预测销量
• 股票价格预测
• 使用智能手机进行人类活动识别
• 葡萄酒质量预测
• 乳腺癌预测
• 鸢尾花分类
• 对 Twitter 上的特定推文进行分类
• 将手写文档数字化

让我们详细分析每一个

1. 基于 Movielens 数据集的电影推荐

如今，大多数人都使用技术来流式传输电视和电影节目。虽然决定下一个要观看的节目可能具有挑战性且耗时，但推荐通常基于用户的习惯和历史。这是通过机器学习实现的，对于新手来说，这是一个很棒且容易掌握的任务。初学者可以通过使用 Python 和 R 两种语言之一编写代码，并使用 Movielens 数据集的信息来学习。Movielens 目前有超过 6000 人创建，包含超过 100 万部电影的 100 万条电影评分。

2. TensorFlow

这是一个开源的人工智能库，对于新手来说，这是一个发展机器学习能力的好机会。利用 TensorFlow，可以使用该库来构建数据流图、使用 Java 的项目以及一系列其他应用程序。此外，它还有一个 Java API。

3. 使用 Walmart 数据进行销售预测

虽然准确预测未来销量可能并不可行，但公司可以利用机器学习做到接近。例如，沃尔玛为 45 家门店的 98 种商品提供数据集，以便开发人员可以访问按地点和部门划分的每周销量数据。该项目的目的是帮助做出更明智的数据驱动决策，以优化渠道和规划库存。

4. 股票价格预测

与销量预测类似，股票价格的预测可以从历史价格数据、波动率指数和其他基本指标中得出。对于初学者来说，可以从类似的想法开始，并利用股票市场数据来预测未来几个月的情况。这是熟悉使用海量数据集进行预测的绝佳方式。首先，我们必须使用 Quantopian 和 Quandl 下载一个股票市场数据集。

5. 使用智能手机进行人类活动识别 (HAR)

如今，大多数移动设备都能检测到我们何时从事某项特定活动，例如骑自行车或跑步。机器学习就在其中。为了有机会练习这类任务，初级机器学习工程师会使用一个数据库，该数据库包含少量（人数越多越好）通过带有惯性传感器的移动设备收集的个人运动数据。然后，学生可以创建分类模型来准确预测未来事件。这也有助于他们学习如何解决多分类问题。

6. 葡萄酒质量预测

购买新酒且未经测试的过程是一种非故意的行为。除非我们是能够考虑年龄和成本等各种因素的专家，否则我们无法确定葡萄酒的质量。通过查看其数据，可以确定葡萄酒的质量。葡萄酒质量数据集可以是一个引人入胜的机器学习项目，提供这些细节以帮助我们预测质量。在此项目中，机器学习初学者将获得使用数据可视化、数据探索、回归模型和 R 编程的经验。

7. 乳腺癌预测

该项目使用机器学习来创建数据，以帮助确定乳腺肿瘤是良性还是恶性。会考虑多种因素，例如肿块的厚度、细胞核的数量以及有丝分裂。这对于机器学习新手来说也是熟悉使用 R 的绝佳方法。

8. 鸢尾花分类

鸢尾花数据集非常有名，是机器学习初学者掌握的最持久、最简单的项目之一。在此项目中，学习者必须掌握处理数字数据和值的基础知识。数据点指的是花萼和花瓣的大小以及它们的长度和宽度。利用机器学习，该项目成功地将鸢尾花分为三个物种。

9. 对 Twitter 上的特定推文进行分类

理想情况下，能够快速过滤带有特定词语和详细信息的推文将非常棒。有一个非常适合初学者的机器学习项目，允许程序员构建一个算法，该算法接收经过人工语言处理器处理的抓取推文，以识别哪些推文最有可能与特定主题相关，或讨论特定个人等。

10. 将手写文档数字化

这项任务是测试神经网络和深度学习的绝佳方法，它们是机器学习过程中用于图像检测的基础。初学者还可以学习如何将来自像素传感器的数据转换为图像，以及如何利用逻辑回归和 MNIST 的数据。