Python機器學習和深度學習：你需要知道的內容

Python部落(python.freelycode.com)組織翻譯，禁止轉載，歡迎轉發。

大數據。深度學習。數據科學。人工智慧。

我們每天都在被這些流行語轟炸。但是炒作的是什麼？ 你如何在自己的業務中使用它？

什麼是機器學習？

在最簡單的層面上，機器學習只是優化數學方程式的過程。有幾種不同的機器學習，都有不同的目的。機器學習中最流行的兩種形式是監督學習和無監督的學習。 我們將在下面介紹他們的工作原理：

.

監督學習：監督學習使用已知數據的標籤示例來預測未來的結果。例如，如果你跟蹤天氣狀況，以及你最喜歡的球隊是否在那天比賽，你可以隨著時間的推移從這些模型中學習，並根據天氣預報來預測比賽當天是否會因為天氣原因被取消。「監督」部分意味著你必須向系統提供你已經知道的「答案」。也就是說，你已經知道你的球隊什麼時候比賽，並且你知道那些天的天氣。計算機迭代地讀取這些信息，並使用它來形成模型並做出預測。 監督學習的其他應用也可以是預測人們是否會違約貸款。

.

無監督學習 - 無監督學習是指一種你不一定知道你正在尋找什麼「答案」的機器學習。不像「球隊遇到下雨天」的例子，無監督的學習更適合探索或聚類工作。集群將類似或相關的東西組合，因此你可以為其添加一組Twitter帖子，並讓他告訴你人們經常討論的東西是什麼。應用到無監督學習的一些演算法是K-Means和LDA。

什麼是深度學習？

深度學習雖然被炒作，但只是應用多層人工神經網路來解決機器學習問題。之所以被稱為「深度」學習，因為神經網路包含許多級別的分類而不是整個層。例如，一個識別照片中臉部的深度學習演算法將首先學習識別眼睛的形狀，然後鼻子，然後口，然後將它們的空間關係分類在一起。這不是一次識別到整張臉。而是將其分解成組件，以獲得更好的理解。

深度學習最近一直在新聞中。你可能還記得Google於2015年發布的名為DeepDream的圖像生成項目。另外值得注意的是AlphaGo對專業的Go球員的勝利，也是使用深度學習。 在此之前，一台電腦從來沒有能夠在Go遊戲中擊敗人類，所以這標誌著人工智慧的新里程碑。

Python中的機器學習

關於Python的最好的事情之一是有這麼多的庫可用。 由於任何人都可以創建一個Python包並將其提交給PyPI（Python包索引），所以有一些包用於你能想到的一切。 機器與深度學習也不例外。

事實上，由於易於使用和豐富的科學軟體包，Python是數據科學家最流行的語言之一。 許多Python開發人員，特別是在數據空間中，喜歡使用Jupyter，因為它允許他們迭代和優化代碼和模型，而不必每次運行整個程序。

scikit-learn

scikit學習是數據科學家的先驅和最愛。 它已經是出現時間最長的，並且有整本書專門討論這個話題。 如果你想要豐富的機器學習演算法和定製，scikit-learn可能有你需要的。但是，如果你正在尋找更加重視統計信息的內容，那麼你可能需要使用StatsModels。

Caffe

Caffe是用Python編寫的深度學習的快速開源框架。由加州大學伯克利分校的AI研究團隊開發，它在圖像處理場景中表現良好，被大型公司（如Facebook，Microsoft，Pinterest等）使用。

TensorFlow

TensorFlow是Google開源的深度學習產品。它目前是該領域最突出的深層學習框架，許多開發人員參與其中。 TensorFlow適用於對象識別和語音識別任務。

Theano

Theano是一個用於快速數值計算的Python庫。許多開發人員在GPU上進行數據密集型操作。它還具有符號計算能力，因此你可以為具有許多變數的函數計算導數。 事實上，使用GPU優化，甚至可以超過C。如果你正在處理一些重要的數據，那麼Theano可能是你的最好的選擇。

誰在使用機器學習？

一個更好的問題是：誰不在他們的業務中使用機器學習？ 如果沒有，為什麼不用呢？

從醫療，金融，石油，天然氣等行業已經實現了數據分析的可能性。以下是一些注重機器學習的知名公司：

. Google - Google整個公司都在使用機器學習，從Google翻譯到幫助你將照片分類再到自駕汽車研究。Google的團隊也開發了TensorFlow，這是一個領先的深度學習框架。

.Facebook - Facebook在廣告領域大量使用機器學習。 通過查看你的興趣，你訪問的頁面和你喜歡的內容，Facebook可以很好地了解你，以及你可能感興趣購買的東西。它使用此信息向你顯示新聞源中的廣告和帖子。 Facebook還使用機器學習識別照片中的人臉，並幫助您標記它們。

.Netflix - Netflix使用你觀看的電影，評分和搜索來創建自定義推薦。Netflix和Amazon採用的一種機器學習演算法稱為協同過濾。事實上，Netflix舉辦了一個名為Netflix獎的比賽，授予可以開發新的更好的推薦系統的人。

Python中機器學習的優缺點

優點

.Python是一種通用語言，這意味著它可以在各種場景中使用，並且有大量可用於任何目的軟體包。

.Python很容易學習和閱讀。

.開發人員可以使用Jupyter筆記本來迭代地構建代碼並隨時測試它們。

缺點

.對於Python來說，沒有行業標準的IDE，而像R.仍然有很多好的選擇。

.在大多數情況下，Python的性能與C / C ++無法比較。

.Python中的豐富選項可能是優點和也可能是缺點。有很多選擇，但是可能需要更多的挖掘和研究才能找到你需要的東西。 另外，如果你是一個新手程序員，那麼設置單獨的包可能會很複雜。

結論

如今的大數據時代，不會消失。你已經了解了不同類型的機器學習，深度學習和公司使用的主要技術。下一次你有一個數據密集的問題要解決，看起來沒有比Python更好的選擇了！

英文原文：http://www.developintelligence.com/blog/2017/07/machine-deep-learning-python-need-know/
譯者：moocou

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！