大家好，今天小编关注到一个比较有意思的话题，就是关于python机器学习训练的问题，于是小编就整理了2个相关介绍python机器学习训练的解答，让我们一起看看吧。
如何从零开始入行机器学习？
机器学习入门书籍：李航的统计学习、周志华西瓜书等，***：台大林轩田的机器学习基石与技法；资料不在多，在这里自荐一波，一个有温度有情怀的公众号AlgorithmDeveloper，一起系统地自学机器学习，加油💪。
我建议大家可以选择一个合适的社区平台去学习，效果非常好，微信小程序“八 斗问答”使用了几 天，推荐给大家，它是一个干货平台、Python、机器学习、深度学 习、自动驾驶实战等都有。
我建议从看机器学习的公开课开始，这里推荐cs229公开课，是吴恩达的。
然后做一些简单的练习题，这个在kaggle里面可以找到，比如Titanic和数字识别那种。
坚持就是胜利，加油～
j***a程序员如何转向机器学习？
我是一名老J***a程序员（04年开始使用J***a），目前也正在做基于机器学习的智能诊疗项目，所以我来回答一下这个问题。我从两个方面来分析一下作为J***a程序员如何转向机器学习，一方面是语言的选择，另一方面是做机器学习需要哪些知识储备。
J***a or Python
我在早期做机器学习实验的时候使用的就是J***a语言，因为对J***a语言比较熟悉，所以并不觉得有多麻烦。直到有一次我参加一个机器学习的交流会，会上跟同行交流发现，大家几乎都在使用Python做算法实现，这时候我发现可能使用J***a并不是最好的选择。
回来之后我就开始着手学习Python语言，大概用了一周左右的时间我就完成了基本语法的学习，然后就开始一边使用一边熟悉Python的编写规则，然后就一直使用Python到现在。
其实，语言只是个工具，说到底做机器学习的核心并不在语言上，但是方便的语言工具会节省大量的时间，所以我个人比较推荐使用Python做机器学习。有J***a基础的程序员学习Python非常简单，基本上一周左右就能掌握基本的编写规则。
机器学习的核心是算法
机器学习简单的说就是在一堆杂乱无章的数据中找到某种规律（Machine Learning in Action），机器学习的步骤是数据收集、数据分析、算法设计、训练算法、验证算法、使用算法等。
做机器学习要掌握机器学习中经常使用的算法，包括决策树、k近邻、朴素贝叶斯、支持向量机、Logistic回归、Apriori算法等。
要掌握如何使用编程语言实现这些算法，通过大量的训练来完善机器学习的过程。
从事机器学习是一个非常好的方向，伴随着大数据的发展机器学习也得到了快速发展的机会。我就是从大数据研究开始进而做机器学习方面的研发，大数据对机器学习来说非常重要，因为机器学习需要大量的训练数据。
我的研究方向就是大数据和人工智能，我在头条上也陆续写了一些关于大数据方面的科普文章，感兴趣的朋友可以关注我的头条号，相信一定会有所收获。
如果你有大数据、机器学习方面的问题，也可以咨询我。
谢谢！
稍微学一下Python，机器学习必须得用的。你已经是J***a程序员了这对你来说并不难。然后去找各种各样的系统的教程，比如吴恩达的。同时也要补补数学。要加一些好点的群，对于新手很有必要。其实没必要花钱补什么，好的都是免费的。
来自ATYUN
程序开发和数据建模有很多共同点和不同点
共同点就是都需要用程序实现所需要的功能 作为J***a程序员用程序实现功能是和数据建模类似的
不同点在于程序开发的功能实现相对流程化 而数据建模更偏问题的解决 作为j***a程序员需要补充一些数据分析 建模知识 行业背景方面的知识
所以在转向机器学习做数据建模的时候需要补充一些机器学习常用模型的基础知识和这些模型能够解决的常规问题 然后深入了解自己所在行业 找出自己工作中可以运用哪些模型解决哪些这个行业的瓶颈问题
往往转型的人对知识的学习非常注重 但忽略了行业背景 自己的知识不能很好的和行业相结合 导致模型脱离实际问题 只能套用模型却无法真正运用模型去解决实际问题
到此，以上就是小编对于python机器学习训练的问题就介绍到这了，希望介绍关于python机器学习训练的2点解答对大家有用。