學完Python基礎，研究機器學習，聽說只需要調用scikit-learn庫就可以了？

圖樣圖森破！如果不了解機器學習算法的原理，調整模型參數的時候就會一臉的懵。

下面文摘菌就給大家介紹一個機器學習教程，此教程已經沖到了GitHub熱榜第三的位置，內容既包含理論知識，又包含代碼實現。

具體來說有四個方面的介紹，包括機器學習的定義、機器學習的起源，以及進化反向、機器學習的分類和類別、最常用的機器學習算法，如何實現。

在機器學習的基礎方面，從線性回歸入手，然后介紹、過擬合/欠擬合、正則、交叉驗證等必備知識點。

線性回歸：如何使用，損失函數如何設計、求參數使用最小二乘還是梯度下降？

過擬合的表現以及原因，欠擬合的表現以及原因。

了解完機器學習基礎，進入機器學習的兩大分類，即監督學習和無監督學習。這一塊主要介紹算法，監督學習涉及的內容包括：決策樹，KNN算法、樸素貝葉斯、邏輯回歸以及支持向量機。無監督學習有兩個算法：聚類和主成分分析。

經典算法研究完了，深度學習當然也不能放過，如果你剛接觸機器學習，只要了解經典神經網絡，卷積神經網絡，自動編碼，循環神經網絡就可以了。

卷積神經網絡必知必會

代碼示例

從內容介紹來看，新手入門機器學習，掌握這個GitHub項目就可以了。