Python机器学习：适合新手的8个项目（附源码）

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。

在这篇文章中，我们将为初学者介绍 8 个有趣的机器学习项目。你可以在一个周末完成其中的任何一个，或者如果你很喜欢它们，可以将它扩展为更长的项目。

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。

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……

导入数据

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 sklearn (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。

2、玩钱球

在《点球成金》一书中 ，奥克兰 A 队通过分析球员球探彻底改变了棒球运动。他们建立了一支有竞争力的球队，而只花费了洋基队等大型市场球队支付薪水的 1/3。

首先，如果你还没有读过这本书，你应该去看看。这是我们的最爱之一！

幸运的是，体育界有大量数据可供使用。球队、比赛、比分和球员的数据都可以在线跟踪和免费获取。

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。

• 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。

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。

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。

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。

MNIST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。MNIST 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 MNIST 挑战。

5、调查安然

安然丑闻和倒闭是历史上最大的 企业崩溃之一。

2000 年，安然是美国最大的能源公司之一。然后，在因欺诈而被揭露后，它在一年内螺旋式下降到破产。

幸运的是，我们拥有安然电子邮件数据库。它包含 150 名前安然员工（主要是高级管理人员）之间的 50 万封电子邮件。它也是唯一一个真实电子邮件的大型公共数据库，这使得它更有价值。

事实上，数据科学家多年来一直在使用这个数据集进行教育和研究。

您可以尝试的初学者机器学习项目示例包括……

• 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。

6、从头开始编写 ML 算法

从头开始编写机器学习算法是一种出色的学习工具，主要有两个原因。

首先，没有更好的方法来建立对他们机制的真正理解。您将被迫考虑每一步，这将导致真正的掌握。

其次，您将学习如何将数学指令转换为工作代码。在从学术研究中调整算法时，您将需要这项技能。

我们建议选择不太复杂的算法。即使是最简单的算法，您也需要做出许多微妙的决定。在您熟悉构建简单算法后，尝试扩展它们以获得更多功能。例如，尝试通过添加正则化参数将普通逻辑回归算法扩展为套索/岭回归。

最后，这是每个初学者都应该知道的提示：不要气馁，因为您的算法不如现有软件包中的算法快或花哨。这些软件包是多年发展的成果！

7、挖掘社交媒体情绪

由于用户生成的内容数量庞大，社交媒体几乎已成为「大数据」的代名词。

挖掘这些丰富的数据可以证明以前所未有的方式来掌握观点、趋势和公众情绪。Facebook、Twitter、YouTube、微信、WhatsApp、Reddit……这个名单还在继续。

此外，每一代人在社交媒体上花费的时间都比他们的前辈多。这意味着社交媒体数据将与营销、品牌和整个业务更加相关。

虽然有许多流行的社交媒体平台，但Twitter 是练习机器学习的经典切入点。

使用 Twitter 数据，您可以获得数据（推文内容）和元数据（位置、主题标签、用户、转发推文等）的有趣混合，为分析开辟了几乎无穷无尽的路径。

8、改善医疗保健

由于机器学习，另一个正在经历快速变化的行业是全球健康和医疗保健。

在大多数国家，成为一名医生需要多年的教育。这是一个要求高、工作时间长、风险高、进入门槛更高的领域。

因此，最近在机器学习的帮助下减轻医生的工作量并提高医疗保健系统的整体效率做出了重大努力。

用例包括：

• 预防性护理…… 预测个人和社区层面的疾病爆发。

• 诊断护理...... 自动对图像数据进行分类，例如扫描、X 射线等。

• 保险……根据公开的风险因素调整保险费。

随着医院继续对患者记录进行现代化改造，并且随着我们收集更细化的健康数据，数据科学家将有大量唾手可得的机会来发挥作用。

大家有需要的可以三连up厚台私信领取哦