大数据文摘出品
作者：蒋宝尚
学完Python基础，研究机器学习，听说只需要调用scikit-learn库就可以了？
图样图森破！如果不了解机器学习算法的原理，调整模型参数的时候就会一脸的懵。
下面文摘菌就给大家介绍一个机器学习教程，此教程已经冲到了GitHub热榜第三的位置，内容既包含理论知识，又包含代码实现。
具体来说有四个方面的介绍，包括机器学习的定义、机器学习的起源，以及进化反向、机器学习的分类和类别、最常用的机器学习算法，如何实现。
在机器学习的基础方面，从线性回归入手，然后介绍、过拟合/欠拟合、正则、交叉验证等必备知识点。
线性回归：如何使用，损失函数如何设计、求参数使用最小二乘还是梯度下降？
过拟合的表现以及原因，欠拟合的表现以及原因。
了解完机器学习基础，进入机器学习的两大分类，即监督学习和无监督学习。这一块主要介绍算法，监督学习涉及的内容包括：决策树，KNN算法、朴素贝叶斯、逻辑回归以及支持向量机。无监督学习有两个算法：聚类和主成分分析。
经典算法研究完了，深度学习当然也不能放过，如果你刚接触机器学习，只要了解经典神经网络，卷积神经网络，自动编码，循环神经网络就可以了。
卷积神经网络必知必会
代码示例
从内容介绍来看，新手入门机器学习，掌握这个GitHub项目就可以了。最后再次给出地址：
https://github.com/machinelearningmindset/machine-learning-course
