文 | Matthew Mayo译 | 王鹏宇

开始。这是最容易令人丧失斗志的两个字。迈出第一步通常最艰难。当可以选择的方向太多时，就更让人两腿发软了。
从哪里开始？
本文旨在通过七个步骤，使用全部免费的线上资料，帮助新人获取最基本的 Python 机器学习知识，直至成为博学的机器学习实践者。这篇概述的主要目的是带领读者接触众多免费的学习资源。这些资源有很多，但哪些是最好的？哪些相互补充？怎样的学习顺序才最好？
我假定本文的读者不是以下任何领域的专家：

机器学习

Python

任何 Python 的机器学习、科学计算、数据分析库

如果你有前两个领域其一或全部的基础知识，可能会很有帮助，但这些也不是必需的。在下面几个步骤中的前几项多花点时间就可以弥补。
第一步：基本的 Python 技能
首先要安装 Python 。由于我们要使用机器学习和科学计算的 packages ，这里建议安装 Anaconda。Anaconda 是一个可在 Linux ， OSX ， Windows 上运行的 Python 实现工具，拥有所需的机器学习 packages ，包括 numpy，scikit-learn，matplotlib。它还包含 iPython Notebook ，一个带有许多教程的交互式环境。这里推荐使用 Python 2.7 ，不是因为特殊原因，只是因为它是目前安装版本中的主流。
如果你之前没有编程知识，建议你阅读这本免费电子书，然后再接触其他学习材料：

Python The Hard Way 作者Zed A. Shaw（http://learnpythonthehardway.org/book/）

如果你之前有编程知识，但不是 Python 的，又或者你的 Python 水平很基础，推荐下列一种或几种教程：

Google Developers Python Course（https://www.youtube.com/playlist?list=PLfZeRfzhgQzTMgwFVezQbnpc1ck0I6CQl）（强烈推荐给视觉型学习者）

An Introduction to Python for Scientific Computing (from UCSB Engineering) 作者 M. Scott Shell （http://www.engr.ucsb.edu/~shell/che210d/python.pdf）（一个很好的 Python 科学计算简介，60 页)

对于想要速成课程的人，这里有：

Learn X in Y Minutes (X = Python)（https://learnxinyminutes.com/docs/python/）

当然，如果你是个经验丰富的 Python 程序员，可以跳过这一步。尽管如此，还是建议你把通俗易懂的 Python documentation （https://www.python.org/doc/）放在手边。
第二步：机器学习基础技能
KDnuggets 的 Zachary Lipton 指出，人们对于“数据科学家”的认知千差万别。这实际上是对机器学习领域的反映。数据科学家在不同程度上使用计算学习算法。要建立和使用支持向量机模型，熟知核函数方法是否是必需的？（https://en.wikipedia.org/wiki/Kernel_method）答案当然不是。就像现实生活中的许多事情一样，所需要的理论深入程度与具体的实际应用有关。获取对机器学习算法的深入理解不是本文的讨论范围， 而且这通常需要在学术领域投入大量时间，或者至少要通过密集的自学才能达到。
好消息是，你不必拥有博士级别的机器学习理论能力才能进行实践，就如同不是所有程序员都必须接受计算机理论教育才能写好代码。
吴恩达在 Coursera 的课程饱受赞誉。但我的建议是去看看一名以前的学生做的笔记。略过那些针对 Octave（一个与 Python 无关的，类 Matlab 语言）的内容。需要注意，这些不是“官方”的笔记，虽然看起来的确抓住了吴恩达课程材料的相关内容。如果你有时间，可以自己去 Coursera 完成这个课程 ：Andrew Ng's Machine Learning course（https://www.coursera.org/learn/machine-learning） 。

非官方课程笔记链接（http://www.holehouse.org/mlclass/）

除了吴恩达的课程以外，还有很多其他视频教程。我是Tom Mitchell的粉丝，下面是他（与Maria-Florina Balcan共同完成的）最新的课程视频，对学习者非常友好：

Tom Mitchell Machine Learning Lectures（http://www.cs.cmu.edu/~ninamf/courses/601sp15/lectures.shtml）

你不需要现在看完全部的笔记和视频。比较好的策略是向前推进，去做下面的练习，需要的时候再查阅笔记和视频。比如，你要做一个回归模型，就可以去查阅吴恩达课程有关回归的笔记以及/或者 Mitchell 的视频。
第三步：科学计算 Python packages 一览
好了。现在我们有了 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（http://www.numpy.org/） - 主要用于N维数组

pandas （http://pandas.pydata.org/）- Python数据分析库，包含dataframe等结构

matplotlib（http://matplotlib.org/） - 2D绘图库，产出质量足以进行印刷的图

scikit-learn （http://scikit-learn.org/stable/）- 数据分析、数据挖掘任务使用的机器学习算法

学习以上这些内容可以使用：

Scipy Lecture Notes 作者 Gaêl Varoquaux， Emmanuelle Gouillart， Olav Vahtras

下面这个pandas教程也不错，贴近主题：

10 Minutes to Pandas（http://pandas.pydata.org/pandas-docs/stable/10min.html）

在后面的教程中你会看到其他一些packages，比如包括Seaborn，一个基于matplotlib的可视化库。前面提到的packages （再次承认具有一定主观色彩）是许多Python机器学习任务的核心工具。不过，理解它们也可以让你在之后的教程中更好理解其他相关packages。
好了，现在到了有意思的部分.....
第四步：开始用 Python 进行机器学习
Python。搞定。
机器学习基础。搞定。
Numpy。搞定。
Pandas。搞定。
Matplotlib。搞定。
是时候用 Python 的标准机器学习库，scikit-learn，实现机器学习算法了。

scikit-learn 算法选择图
下面许多教程和练习都基于交互式环境 iPython (Jupyter) Notebook。这些iPython Notebooks 有些可以在网上观看，有些可以下载到本地电脑。

iPython Notebook概览（http://cs231n.github.io/ipython-tutorial/） 斯坦福大学

也请注意下面的资源来自网络。所有资源属于作者。如果出于某种原因，你发现有作者没有被提及，请告知我，我会尽快改正。在此特别要向Jake VanderPlas，Randal Olson，Donne Martin，Kevin Markham，Colin Raffel致敬，感谢他们提供的优秀免费资源。
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（http://cs231n.github.io/ipython-tutorial/）

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（http://nbviewer.ipython.org/github/rhiever/Data-Analysis-and-Machine-Learning-Projects/blob/master/example-data-science-notebook/Example%20Machine%20Learning%20Notebook.ipynb）

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（https://github.com/justmarkham/scikit-learn-videos/blob/master/05_model_evaluation.ipynb）

第五步：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（https://github.com/jakevdp/sklearn_pycon2015/blob/master/notebooks/04.2-Clustering-KMeans.ipynb）

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 （http://thegrimmscientist.com/2014/10/23/tutorial-decision-trees/）via The Grimm Scientist（http://thegrimmscientist.com/）

分类之后，是连续数字变量的预测：

Linear Regression 作者 Jake VanderPlas（http://nbviewer.ipython.org/github/donnemartin/data-science-ipython-notebooks/blob/master/scikit-learn/scikit-learn-linear-reg.ipynb）

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（http://nbviewer.ipython.org/github/justmarkham/gadsdc1/blob/master/logistic_assignment/kevin_logistic_sklearn.ipynb）

第六步：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（https://github.com/jakevdp/sklearn_pycon2015/blob/master/notebooks/03.1-Classification-SVMs.ipynb）

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（https://www.kaggle.com/c/titanic）讲解。

Kaggle Titanic Competition (with Random Forests) 作者 Donne Martin（http://nbviewer.ipython.org/github/donnemartin/data-science-ipython-notebooks/blob/master/kaggle/titanic.ipynb）

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（https://github.com/jakevdp/sklearn_pycon2015/blob/master/notebooks/04.1-Dimensionality-PCA.ipynb）

在开始下一步之前，可以暂停一下，回想我们在短短的时间已经走了多远。
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：
第七步 ：Python 深度学习

学习，深深地。
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 （http://www.kdnuggets.com/?s=deep+learning）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。
本文的最后一部分并不想成为某种深度学习示范教程。我们会关注基于两个 Python 深度学习库的简单应用。对于想了解更多的读者，我推荐下面这本免费在线书：

Neural Networks and Deep Learning 作者 Michael Nielsen （http://neuralnetworksanddeeplearning.com/）

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 （http://nbviewer.ipython.org/github/craffel/theano-tutorial/blob/master/Theano%20Tutorial.ipynb）

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（https://github.com/google/deepdream/blob/master/dream.ipynb） via Google's GitHub（https://github.com/google）

我不敢保证 Python 机器学习是速成的或简单的。但只要投入时间，遵循这七个步骤，你无疑会对于这个领域拥有足够的熟练度和理解，会使用流行的 Python库实现许多机器学习算法，甚至当今深度学习领域的前沿内容。

作者简介： Matthew Mayo 是一名计算机专业的研究生。他目前在从事并行机器学习算法方面的论文工作。同时他也是一个数据挖掘学习者，数据爱好者，立志成为机器学习科学家。

end