需求 使用监督学习对历史数据训练生成模型，用于预测文本的类别。 样本清洗 主要将重复的数据删除掉，将错误无效的数据纠正或删除，并检查数据的一致性等。比如我认为长度小于少于 13 的数据是无效的遂将之删掉。 def writeFile(text): file_object = ope…

介绍了几乎没有 python 机器学习背景的新手学习机器学习需要的资源。包括 python 语言基础，机器学习基础技巧，科学计算 python 软件包概述，之后利用 sklearn 实现了一些基本的机器学习算法和进阶的算法（集成方法，EM 算法等）。文章中提及的材料参考价值很高，并提供了跳转链接，非常实用。文章还提到了 python 进行深度学习的资源。文章提纲挈领，非常推荐。

Scikit-learn 秘籍 第五章 模型后处理

这篇文章用 Python 统计模拟的方法，介绍四种常用的统计分布，包括离散分布：二项分布和泊松分布，以及连续分布：指数分布和正态分布，最后查看人群的身高和体重数据所符合的分布。

本文介绍了如何依靠已有的方法（模型选择和超参数调节）去更好地选择算法，包括对问题进行分类，寻找可用的算法，实现所有适用的算法，特征工程，超参数优化等五个步骤。

本文包括：k 近邻算法中的分类决策规则讲解. k 近邻法的实现，kd 树原理的讲解以及 kd 树详细例子讲解，kd 树的不足以及最差情况举例，最后对于 k 近邻方法的一些优缺点进行了总结。读者读完这两篇文章应该可以对于 k 近邻算法有比较深入的了解。

介绍了 scikit-learn 的一些模块的应用。

一些入门机器学习必须会的基础概念。

​推荐理由对于机器学习算法的盘点，网上屡见不鲜。但目前，还没人能结合使用场景来把问题说明白，而这一点正是本文的目的所在。在文章中，作者将结合他的实际经验，细致剖析每种算法在实践中的优势和不足。本文的目的，是务实、简洁地盘点一番当前机器学习算法。尽管人们已做过不少盘点，但始终未能…