从零开始掌握机器学习

欢迎！本仓库包含了与Udemy上的“从零开始掌握机器学习”课程以及zerotomastery.io相关的所有代码、笔记本、图片及其他资料。

快速链接

• 🎥 在YouTube上观看课程的前10小时：点击这里。
• 📚 在精美的在线书中阅读课程内容：点击这里。
• 🤔 发现代码有问题？请提交issue。
• ❓ 有疑问？请在讨论区提问（请参考问题模板）。

更新

• 2024年10月30日 - 添加了课程书籍版的里程碑项目2：推土机价格回归（适用于2025年及以后）。
• 2024年9月12日 - 正在更新2025年的课程材料，进度请见#105。
• 2023年10月12日 - 创建了课程材料的在线书版本，详情请见：https://dev.mrdbourke.com/zero-to-mastery-ml/。

目录

以下内容按建议的时间顺序排列。

不过，您可以根据自己的需求随意组合和调整。

注意：我们在课程中使用的所有数据集都位于data/文件夹中。

章节	资源	描述
00	解决机器学习项目的6步框架	针对不同类型的机器学习项目及其分解为更小步骤的指导原则。
01	NumPy简介	NumPy代表数值Python。它是用于数值处理最常用的Python库之一（而数据科学和机器学习很大程度上就是围绕数值处理展开的）。
02	pandas简介	pandas是一个用于操作和分析数据的Python库。您可以将其想象成程序化的Excel电子表格。
03	Matplotlib简介	Matplotlib用于数据可视化。您可以基于各种数据源以编程方式创建图表和图形。
04	Scikit-Learn简介	Scikit-Learn或sklearn包含丰富的数据处理技术以及针对多种任务的预构建机器学习算法。
05	里程碑项目1：端到端心脏病分类	在这一部分，我们将结合前面各节所学的内容，构建一个能够根据个人健康特征判断其是否患有心脏病的机器学习模型。我们将从原始数据集入手，先进行探索性数据分析（EDA），然后尝试多种不同的机器学习模型，以确定哪一种效果最佳。
06	里程碑项目2：端到端推土机价格预测	在这个项目中，我们将使用一个公开的推土机销售信息数据集。利用这些数据，我们将构建一个机器学习模型，该模型可以根据尺寸、品牌等多个输入参数来预测推土机的售价。由于该数据集并不完美，我们将在建模之前进行多步数据预处理。此外，由于我们的目标是预测一个数值（推土机的价格），因此该项目被称为回归项目。
07	里程碑项目3：TensorFlow/Keras与深度学习入门	TensorFlow/Keras是用Python编写的深度学习框架。最初由Google开发，现已开源。这些框架允许您构建和训练神经网络——这是功能最强大的机器学习模型之一。在这一部分，我们将通过构建“狗狗视觉”🐶👁️——一个用于识别图像中犬种的神经网络——来学习深度学习和TensorFlow/Keras。
08	如何展示你的工作	机器学习以及任何软件项目中最重要的环节之一，就是如何向他人传达你的发现或成果。本模块将结合前面各节的学习内容，提供一些技巧和方法，帮助您更好地与他人分享自己的工作成果。

本课程的重点

1. 构建解决问题的框架（6步机器学习建模框架）
2. 寻找适合该框架的工具
3. 有针对性的实践——运用工具和框架步骤，完成端到端的机器学习建模项目

课程结构

• 第1节：为机器学习做好心理和硬件准备（概念介绍、计算机设置）
• 第2节：机器学习与数据科学的工具（pandas、NumPy、Matplotlib、Scikit-Learn）
• 第3节：结构化数据的端到端项目（分类与回归）
• 第4节：神经网络、深度学习及使用TensorFlow 2.0进行迁移学习
• 第5节：如何展示和分享你的工作

学生笔记

一些学生已经整理并分享了关于本课程的详细笔记，如下所示。

如果您也想提交自己的笔记，请发起一个拉取请求。

1. Chester的笔记 - https://github.com/chesterheng/machinelearning-datascience
2. Sophia的笔记 - https://www.rockyourcode.com/tags/udemy-complete-machine-learning-and-data-science-zero-to-mastery/

Zero to Mastery 机器学习快速上手指南

本指南基于 zero-to-mastery-ml 开源项目，旨在帮助开发者快速搭建环境并开始端到端的机器学习实践。该项目涵盖了从数据准备、模型构建到深度学习的全流程。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.8 或更高版本
• 前置知识：基础的 Python 编程能力
• 可选平台：如果你不想在本地配置环境，可以直接使用以下在线平台运行所有代码（无需安装）：
  • Google Colab
  • Binder

核心依赖库

本项目主要依赖以下 Python 数据科学库：

• numpy (数值计算)
• pandas (数据处理)
• matplotlib (数据可视化)
• scikit-learn (传统机器学习算法)
• tensorflow (深度学习)

安装步骤

1. 克隆项目仓库

首先，将项目代码下载到本地：

git clone https://github.com/mrdbourke/zero-to-mastery-ml.git
cd zero-to-mastery-ml

2. 创建虚拟环境（推荐）

为了避免依赖冲突，建议创建独立的虚拟环境：

python -m venv ml-env
# Windows
ml-env\Scripts\activate
# macOS/Linux
source ml-env/bin/activate

3. 安装依赖

项目根目录通常包含 requirements.txt 文件。为了获得更快的下载速度，国内用户建议使用清华或阿里镜像源进行安装：

# 使用清华镜像源安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：如果项目中没有明确的 requirements.txt，你可以手动安装核心库：

pip install numpy pandas matplotlib scikit-learn tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

本项目采用“学习 - 实践”结合的方式，核心内容位于各个章节的 Jupyter Notebook (.ipynb) 文件中。

1. 启动 Jupyter Notebook

在项目根目录下运行以下命令启动服务：

jupyter notebook

浏览器会自动打开，你将看到按顺序排列的章节文件夹（如 section-00, section-01 等）。

2. 运行第一个示例：NumPy 入门

1. 进入 section-01-introduction-to-numpy 文件夹。
2. 打开对应的 .ipynb 文件。
3. 逐个单元格（Cell）运行代码，体验数值计算操作。

3. 实战演练：端到端心脏病分类项目

这是课程的第一个里程碑项目（Milestone Project 1），展示了完整的机器学习工作流。

1. 导航至 section-05-milestone-project-1-heart-disease (具体路径请参考目录结构)。
2. 打开 end-to-end-heart-disease-classification.ipynb。
3. 执行流程：
   • 加载数据：代码会自动从 data/ 文件夹加载心脏病数据集。
   • 探索性数据分析 (EDA)：运行可视化代码查看数据分布。
   • 模型训练：使用 scikit-learn 尝试多种分类器。
   • 评估：查看模型的准确率和其他指标。

示例代码片段（在 Notebook 中运行）：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

# 加载数据 (假设在当前目录下的 data 文件夹中)
df = pd.read_csv("data/heart.csv")

# 准备特征 (X) 和标签 (y)
X = df.drop("target", axis=1)
y = df["target"]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 初始化并训练模型
clf = RandomForestClassifier()
clf.fit(X_train, y_train)

# 评估模型
print(f"Model accuracy: {clf.score(X_test, y_test):.2f}")

4. 进阶学习路径

按照以下顺序逐步深入：

1. 基础工具：依次学习 NumPy, pandas, Matplotlib, Scikit-Learn 章节。
2. 结构化数据项目：完成心脏病分类（分类问题）和推土机价格预测（回归问题）。
3. 深度学习：进入 TensorFlow/Keras 章节，构建“狗品种识别”神经网络模型。
4. 成果展示：参考最后一章学习如何沟通和展示你的机器学习项目。

所有数据集均已包含在项目的 data/ 目录中，无需额外下载。