# Python人工智能-机器学习

**Repository Path**: Carlosg_admin/AI-Online

## Basic Information

- **Project Name**: Python人工智能-机器学习
- **Description**: 人工智能-机器学习
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2021-02-19
- **Last Updated**: 2024-11-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Python人工智能-机器学习

## 项目介绍
这是一套 Python-AI 人工智能的项目

- Python 基础知识
    - Python 语法
    - Python 爬虫
    - Python 科学计算库
    
- 机器学习
    - 机器学习常见算法
    - 机器学习项目
 
- [ ] 《Python 基础知识》
    - [ ] 《Python 语法》
    - [ ] 《Python 爬虫》
    - [ ] 《Python 科学计算库》
- [ ] 《机器学习》
    - [x] 《机器学习常见算法》
    - [ ] 《机器学习项目》
- [ ] 《Kaggle 赛事分享》
    - [ ] 《待完成》
    
## 软件架构


## 基础知识

### 机器学习流程
```shell script
   1.数据收集
   2.数据预处理    
   3.特征提取
   4.模型构建
   5.模型测试评估   
   6.投入使用
   7.迭代优化
``` 
   ![Macheing-learning](images/Machine-learning-process.jpg)   
###  数据收集与存储
          
#### 数据来源
```shell
   1.用户访问行为数据   
   2.业务数据     
   3.外部第三方数据 
``` 
 
#### 数据存储   
```shell
   1.需要存储的数据：原始数据、预处理后数据、模型结果  

   2.存储设施： 磁盘、mysql、HDFS、HBase、Solr、Elasticsearch、Kafka、Redis 等
```     

#### 数据收集方式：  
       Flume & Kafka
       
### 数据清洗和转换
的数据预处理后才能够为算法所使用，预处理的操作主要包括以下几个部分：  
 * 数据过滤
 * 处理数据缺失
 * 处理可能的异常、错误或者异常值
 * 合并多个数据源数据
 * 数据汇总


* 02_KNN  
* 03_回归算法 
* 04_决策树  
* 05_集成学习：随机森林、GBDT   
* 06_XGBoost  
* 07_stacking 
* 08_聚类算法 
* 09_SVM  
* 10_贝叶斯算法    
* 11_EM       
* 12_隐马尔科夫       
* 13_主题模型 
* 14_多分类及多标签分类算法  
* 15_数据清洗和特征选择    
 
### 机器学习项目
 1_垃圾邮件项目   
2_音乐文件系统分类lq  
3_金融反欺诈模型  

### Kaggle赛事分享

#### 安装教程

1.  安装 Anaconda3.8 
2.  机器学习库 [`scikit-learn`官网](https://scikit-learn.org/stable/install.html#)   
     安装： `pip install scikit-learn`
3.  TensFlow 机器学习平台
4.  PyTorch 机器学习框架


#### 使用说明

1.  本项目旨在普及AI-人工智能的编程思想以及人工智能大赛分析
2.  请关注我的公众号`大数据架构师指南`
3.  欢迎大家投稿 18240885452@163.com

#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


#### 感谢您宝贵的建议