100天让你学会机器学习的项目！

机器学习是我们这个时代最具变革性的技术，它具有从太空探索到财务，医学和科学的巨大应用。据估计，未来对机器学习专家的需求将会不断增加，今年估计增长约60％。

最重要的是，该行业在过去几年中经历了巨大的变革。以前，要成为一名机器学习专家，你需要有一个博士学位（或一些高学历），但现在已经不是这样了。由于大型科技公司如Alphabet（谷歌母公司），IBM，微软等公司的参与，现在任何人都可以更轻松地开始机器学习。

这不，YouTube上的大咖Siraj Raval就发起了一个挑战赛：#100DaysOfMLCode。

什么是＃100DaysOfMLCode？

这是向机器学习开发人员（专家或新手）发出的挑战，要求在接下来的100天内每天至少花一小时学习和构建机器学习模型。内容有易到难，由此也可以看得出博主Avik-Jain的用心良苦。

其中一名叫Avik Jain的机器学习爱好者，创建了一个100-Days-Of-ML-Code的项目，很快引起了大家的注意，截至今日，该项目已经获得了11570个「star」以及1993个「fork」（GitHub地址：https://github.com/Avik-Jain/100-Days-Of-ML-Code）。

更不可思议的是，他还创建了该项目的中文版

从他的GitHub主页可以看到他共创建了6个项目:

目前作者的100天计划，已经进行到第54天，已有的内容包括：

有监督学习

● 数据预处理

● 简单线性回归

● 多元线性回归

● 逻辑回归

● k近邻法(k-NN)

● 支持向量机(SVM)

● 决策树

● 随机森林

无监督学习

● K-均值聚类

● 层次聚类

这里我们通过介绍第一天的数据预处理来深入了解下这个项目

数据预处理

第一步导入库

import numpy as npimport pandas as pd

第2步：导入数据集

dataset = pd.read_csv('Data.csv')X = dataset.iloc[ : , :-1].valuesY = dataset.iloc[ : , 3].values

第3步：处理丢失数据

from sklearn.preprocessing import Imputerimputer = Imputer(missing_values = "NaN", strategy = "mean", axis = 0)imputer = imputer.fit(X[ : , 1:3])X[ : , 1:3] = imputer.transform(X[ : , 1:3])

第4步：解析分类数据

from sklearn.preprocessing import LabelEncoder, OneHotEncoderlabelencoder_X = LabelEncoder()X[ : , 0] = labelencoder_X.fit_transform(X[ : , 0])

创建虚拟变量

onehotencoder = OneHotEncoder(categorical_features = [0])X = onehotencoder.fit_transform(X).toarray()labelencoder_Y = LabelEncoder()Y =  labelencoder_Y.fit_transform(Y)

第5步：拆分数据集为训练集合和测试集合

from sklearn.cross_validation import train_test_splitX_train, X_test, Y_train, Y_test = train_test_split( X , Y , test_size = 0.2, random_state = 0)

第6步：特征量化

from sklearn.preprocessing import StandardScalersc_X = StandardScaler()X_train = sc_X.fit_transform(X_train)X_test = sc_X.fit_transform(X_test)

通过6步完成数据预处理。此例子中用到的数据地址：https://github.com/Avik-Jain/100-Days-Of-ML-Code/blob/master/datasets/Data.csv

可以看出他每天的计划都包含一张学习图片，操作补流程、相应的代码，以及用到的数据

简单线性回归 | 第2天

多元线性回归 | 第3天

逻辑回归 | 第4天