科学计算 Python packages 一览
加入您有了 Python 编程经验，并对机器学习有所了解。Python 有很多为机器学习提供便利的开源库。通常它们被称为Python科学库（scientific Python libraries），用以执行基本的数据科学任务（这里有一点程度主观色彩）：
▪ numpy - 主要用于N维数组
▪ pandas - Python数据分析库，包含dataframe等结构
▪ matplotlib - 2D绘图库，产出质量足以进行印刷的图
▪ scikit-learn - 数据分析、数据挖掘任务使用的机器学习算法
在你搞定Python基本编程，numpy ，pandas， matplotlib 后就可以利用scikit-learn实现机器学习算法了
下面是scikit-learn的入门教程。在进行下一个步骤之前，推荐做完下列全部教程。
对于scikit-learn的整体介绍，它是Python最常用的通用机器学习库，包含knn最近邻算法：
▪ An Introduction to scikit-learn 作者 Jake VanderPlas
更深入更宽泛的介绍，包含一个新手项目，从头到尾使用一个著名的数据集：
▪ Example Machine Learning Notebook 作者Randal Olson
专注于scikit-learn中评估不同模型的策略，涉及训练集/测试集拆分：
▪ Model Evaluation 作者 Kevin Markham
Python机器学习主题
在scikit-learn打下基础以后，我们可以探索更多有用的常见算法。让我们从最知名的机器学习算法之一，k-means聚类开始。对于无监督学习问题，k-means通常简单有效：
▪ k-means Clustering 作者Jake VanderPlas
接下来是分类，让我们看看史上最流行的分类方法之一，决策树：
▪ Decision Trees via The Grimm Scientist
分类之后，是连续数字变量的预测：
▪ Linear Regression 作者 Jake VanderPlas
通过逻辑斯蒂回归，我们可以用回归解决分类问题：
▪ Logistic Regression 作者Kevin Markham
Python高级机器学习
接触过scikit-learn，现在让我们把注意力转向更高级的内容。首先是支持向量机，一个无需线性的分类器，它依赖复杂的数据转换，把数据投向高维空间。
▪ Support Vector Machines 作者 Jake VanderPlas
接下来是随机森林，一种集成分类器。下面的教程通过 Kaggle Titanic Competition讲解。
▪ Kaggle Titanic Competition (with Random Forests) 作者 Donne Martin
降维是一种减少问题涉及的变量数目的方法。PCA主成分分析是一种无监督学习降维的特殊形式：
▪ Dimensionality Reduction作者 Jake VanderPlas
通过使用Python和它的机器学习库，我们涵盖了一些最常用最知名的机器学习算法（knn最近邻，k-means聚类，支持向量机），了解了一种强有力的集成方法（随机森林），涉及了一些其他机器学习支持方案（降维，模型验证技巧）。在一些基础机器学习的技巧的帮助下，我们开始有了一个渐渐丰富的工具箱。
在结束以前，让我们给工具箱增加一个需求很大的工具： Python深度学习
到处都在深度学习！深度学习基于过去几十年的神经网络研究，但最近几年的发展大大增加了深度神经网络的能力和对于它的兴趣。如果你不熟悉深度学习，KDnuggets 有许多文章 ，详细介绍最近的进展、成果，以及对这项技术的赞誉。
Theano
Theano是我们关注的第一个Python深度学习库。根据作者所说：
作为一个Python库，Theano让你可以有效定义、优化、评估包含多维数组的数学表达式。
下面的Theano深度学习教程很长，但非常不错，描述详细，有大量评论：
▪ Theano Deep Learning Tutorial 作者 Colin Raffel
Caffe
我们关注的另一个库是Caffe。根据它的作者所说：
Caffe是一个深度学习框架。开发过程中时刻考虑着表达式、速度、模型。 它是由Berkeley Vision and Learning Center (BVLC) 和社区贡献者共同开发的。
这个教程是本文的压轴。尽管上面列举了一些有趣的案例，没有那个比得上下面这个：用Caffe实现Google的 #DeepDream。希望你喜欢！理解这个教程以后，尽情玩乐，让你的处理器开始自己做梦吧。
▪ Dreaming Deep with Caffe via Google's GitHub
欢迎分享
转载请标明
（机器学习算法与Python学习）