一、怎么使用datasets里面的数据 sklearn

python的机器学习模块sklearn（Google公司开始投资，是大数据战略的一个步骤）可以用于模式识别，用在一般知识发现，例如户外参与人口的类型，sklearn包自己带了两个数据集，其中一个是鸢尾花数据库（iris，鸢尾花）

from sklearn import datasets

iris = datasets.load_irises()

#把鸢尾花数据集加载

data = iris.data

#可以用dir(data)查看数据集的性质其中包括max最大，mean中值等等

data.shape

#返回值：（150，4）表示150个观察值，4个特征设定萼片和花瓣的长宽；

pylab.imshow(digits.images[-1], cmap = pylab.cm_gray_r)

二、如何使用sklearn中的SVM

SVM既可以用来分类，就是SVC；又可以用来预测，或者成为回归，就是SVR。sklearn中的svm模块中也集成了SVR类。

我们也使用一个小例子说明SVR怎么用。

X = [[0, 0], [1, 1]] y = [0.5, 1.5] clf = svm.SVR() clf.fit(X, y) result = clf.predict([2, 2]) print result

三、假期新手练习Ph

适合新手练习的项目Python机器学习练完你就牛了!

Python机器学习

再多的理论也不能代替动手实践。

教科书和课程会让你误以为精通，因为材料就在你面前。

但当你尝试去应用它时，可能会发现它比看起来更难。而

「项目」可帮助你快速提高应用的ML技能，同时让你有

机会探索有趣的主题。

此外，你可以将项目添加到你的投资组合中，从而更轻松

地找到工作，找到很酷的职业机会，甚至协商更高的薪水

1、机器学习角斗士

我们亲切地称其为「机器学习角斗士」，但它并不新鲜。

这是围绕机器学习建立实用直觉的最快方法之一。

目标是采用开箱即用的模型并将其应用于不同的数据集。

这个项目很棒有3个主要原因：

首先，你将建立模型与问题拟合的直觉。哪些模型对缺失

数据具有鲁棒性?哪些模型可以很好地处理分类特征?是

的，你可以翻阅教科书来寻找答案，但是通过实际操作您

会学得更好。

Python机器学习

其次，这个项目将教你快速制作原型的宝贵技能。在现实

世界中，如果不简单地尝试它们，通常很难知道哪种模型

表现最好。

最后，本练习可以帮助你掌握模型构建的工作流程。例如

，你将开始练习……

清理数据

将其拆分为训练/测试或交叉验证集

预处理

转型

特征工程

因为你将使用开箱即用的模型，你将有机会专注于磨练这

些关键步骤。

查看sk learn(Python) 或caret(R) 文档页面以获取说明

。你应该练习回归、分类和聚类算法。

教程：

·Python：sklearn-sklearn包的官方教程

·使用Sci kit-Learn预测葡萄酒质量――训练机器学习模

型的分步教程

Python机器学习

·R：caret-由caret包的作者提供的网络研讨会

数据源

·UCI机器学习存储库--350多个可搜索的数据集， 涵盖

几乎所有主题。您一定会找到您感兴趣的数据集。

·Kag gle数据集--Kag gle社区上传的100多个数据集。

这里有一些非常有趣的数据集， 包括Pokemon Go产卵地

点和圣地亚哥的墨西哥卷饼。

·data.gov―-美国政府发布的开放数据集。如果您对社

会科学感兴趣，可以去看看。

2、玩钱球

在《点球成金》一书中，对于初学者来说，有很多有趣的

机器学习项目。例如，您可以尝试…·

·体育博彩……根据每场新比赛前的可用数据预测盒子得

分。

·人才球探……使用大学统计数据来预测哪些球员将拥有

最好的职业生涯。

Python机器学习

·综合管理......根据他们的优势创建球员集群，以建立一

个全面的团队。

体育也是练习数据可视化和探索性分析的绝佳领域。你可

以使用这些技能来帮助您决定要在分析中包含哪些类型的

数据。

数据源

·体育统计数据库―-体育统计和历史数据，涵盖了许多

职业运动和一些大学运动。干净的界面使网页抓取更容易

·Sports Reference-另一个体育统计数据库。界面更杂

乱， 但可以将单个表格导出为CSV文件。

·cric sheet.org-国际和IPL板球比赛的逐球数据。提供

IPL和T 20国际比赛的CSV文件。

3、预测股票价格

对于任何对金融感兴趣的数据科学家来说，股票市场就像是糖

果乐园。

首先，您有多种类型的数据可供选择。您可以找到价格、基本

面、全球宏观经济指标、波动率指数等……不胜枚举

其次，数据可能非常精细。您可以轻松获取每家公司按天(甚

至按分钟)的时间序列数据，从而让您创造性地思考交易策略

Python机器学习

最后，金融市场通常具有较短的反馈周期。因此，您可以

快速验证您对新数据的预测。

你可以尝试的一些适合初学者的机器学习项目示例包括…

·量化价值投资……根据公司季度报告的基本面指标预测

6个月的价格走势。

·预测……在隐含波动率和实际波动率之间的差值上构建

时间序列模型，甚至是循环神经网络。

·统计套利……根据价格走势和其他因素找到相似的股票

，并寻找价格出现分歧的时期。

明显的免责声明：建立交易模型来练习机器学习很简单。

让他们盈利是极其困难的。这里没有任何财务建议，我们

不建议交易真钱。

教程

·Python：sklearnforInvesting-将机器学习应用于投资

的YouTube视频系列。

·R：Quantitative Trading with R-使用R进行量化金融

的详细课堂笔记。

数据源

Python机器学习

·Quand l-提供免费(和优质) 金融和经济数据的数据市

场。例如，您可以批量下载3000多家美国公司的日终股

票价格或美联储的经济数据。

·Quanto pian-量化金融社区， 为开发交易算法提供免费

平台。包括数据集。

·US Fundamentals Archive-5000多家美国公司的5年

基本面数据。

4、教神经网络阅读笔迹

神经网络和深度学习是现代人工智能的两个成功案例。它

们在图像识别、自动文本生成甚至自动驾驶汽车方面取得

了重大进展。

要涉足这个令人兴奋的领域，您应该从可管理的数据集开

始。

M NIST手写数字分类挑战赛是经典的切入点。图像数据通

常比「平面」关系数据更难处理。M NIST数据对初学者很

友好，并且小到可以放在一台计算机上。

手写识别会挑战你，但它不需要高计算能力

首先，我们建议使用下面教程中的第一章。它将教你如何

从头开始构建神经网络， 以高精度解决M NIST挑战。

Python机器学习

教程

·神经网络和深度学习(在线书籍)--第1章介绍了如何在

Python中从头开始编写神经网络， 以对来自M NIST的数字进

行分类。作者还对神经网络背后的直觉给出了很好的解释。

数据源

·M NIST-M NIST是美国国家标准与技术研究院收集的两个数

据集的修改子集。它包含70，000个带标签的手写数字图像

5、调查安然

学习项目示例

·异常检测…...按小时绘制和接收电子邮件的分布图，并尝试检

测导致公共丑闻的异常行为。

·社交网络分析…在员工之间建立网络图模型以找到关键影响

者。

·自然语言处理……结合电子邮件元数据分析正文消息，以根据

电子邮件的目的对电子邮件进行分类。

数据源

·安然电子邮件数据集--这是由CMU托管的安然电子邮件存

档。

·安然数据描述(PDF) -对安然电子邮件数据的探索性分析， 可

以帮助您获得基础。