从零开始学习线型回归、分类与聚类的机器学习知识
你需要学到的内容和知识
- 了解Python关于数据科学方面的知识
- 了解Python中Numpy , Pandas, Matplotlib的使用方式
- 了解Linear Regression，Classification以及Clustering的原理以及实现方式
- 了解如何在多个特征点上作出正确的选择，并在Python上实现
这些学习内容包括Python，机器学习，及各种实际运用的实例。 你可以从零基础开始学习Python语言，了解Python的基本语言，学习Machine Learning的数据处理库Numpy，Pandas，数据可视化工具库Matplotlib等。 然后，开始了解，Machine Learning 中的Linear Regression，Classification，Clustering，以及对应的算法，和各种或然率概念。
人工智能是现在最流行和热门的话题，人才需求也非常巨大，然而，要学习了解这门科学，却非常困难，原因在于这是一个集中多学科，包括Pyhon语言学习，对应Numpy， Pandas等数据处理，还有数学中，统筹学，或然率概念，方程式等复杂概念。
哪些人需要学习线型回归、分类与聚类的知识：
- 想学习Python数据科学的人
- 想学习机器学习的人
- 想知道如何使用Numpy ， Pandas， Matplotlib的人
- 想知道Linear Regression，Classification以及Clustering的原理，和方程式知识的人
- 想知道如何在多个特征点上作出正确的选择，并在Python上实现的人
从零开始学习线型回归、分类与聚类知识的参考学习书籍推荐
《对纵向数据应用线性回归：强调缺失的观测》
《对纵向数据应用线性回归：强调缺失的观测》
本书介绍了中级纵向数据分析的最佳实践，在不牺牲深度的情况下使用最少数量的公式。它满足了通过可视化重要技术而不是使用抽象数学公式来理解纵向数据分析的统计概念的需求。从概念上解释了不同的解决方案，例如多重插补，并使用可视化技术阐明了缺失观测值的后果。
本书的主要内容包括：
- 在线提供数据集和示例
- 提供以非技术方式处理缺失观测值的最先进方法，特别关注灵敏度分析
- 概念化比较（实验和观察）研究的分析
它是流行病学、健康、社会和行为科学领域的研究人员和学生的理想伴侣，他们在没有数学背景的情况下从事纵向数据研究。
《线性回归：统计模型简介》
《线性回归：统计模型简介》
本书介绍了定量研究中使用的基本线性回归模型。它涵盖了这些统计模型的理论和应用，并用启发性的图表来说明它们。
在本书中作者提供了以下方面的指导：
- 确定最适合您的研究的模型
- 进行简单和多元线性回归
- 检查模型假设和过度拟合的危险
作为SAGE定量研究工具包的一部分，本书将帮助您迈出掌握社会科学数据多元分析的关键步骤。
《线性回归模型：在R中的应用》
《线性回归模型：在R中的应用》
几十年来，社会和行为科学研究一直受益于线性回归模型（LRM），以识别和理解一组解释变量和结果变量之间的关联。 《线性回归模型：R 中的应用》提供了对这些模型的全面处理，以及有关如何使用 R 软件环境估计它们的不可或缺的指导。
在提供了一些背景材料之后，作者解释了如何在R中估计简单和多个LRM，包括如何解释它们的系数和理解它们的假设。有几章详细描述了这些假设，并解释了如何确定它们是否满足，以及如何修改回归模型（如果不满足）。本书还包括有关指定正确模型、调整测量误差、了解影响观测的因素以及将模型与多级数据一起使用的章节。本书的最后一章介绍了一个替代模型 - 逻辑回归 - 专为二元或两类结果变量而设计。本书包括讨论数据管理和缺失数据的附录，并提供R模拟以测试模型假设。
本书的主要特征：
- 提供有关线性回归模型的全面介绍和详细信息，包括如何理解和解释其结果、测试假设以及在不满足假设时调整模型。
- 在 R 中使用大量图形来说明模型的结果、假设和其他功能。
- 学习本书不假设读者有微积分或线性代数的背景，而是对统计学入门课程和对初等代数的熟悉就足够了。
- 使用与各种学科相关的真实数据集提供许多示例。
- 在其众多示例中完全集成了 R 软件环境。
本书主要面向社会、行为、健康科学和相关学科的高级本科生和研究生，学习线性回归的第一门课程。它也可以用于自学，并为这些领域的所有研究人员提供极好的参考。全书提供的R代码和详细示例为读者提供了一套出色的工具，用于对许多社会和行为现象进行研究。
本书的作者约翰·P·霍夫曼（John P. Hoffmann）是杨百翰大学（Brigham Young University）的社会学教授，教授研究方法和应用统计学课程，并从事药物使用和犯罪行为的研究。
《初学者使用Python回归模型：线性模型的理论和应用以及Scratch中的Python逻辑模型》
《初学者使用Python回归模型：线性模型的理论和应用以及Scratch中的Python逻辑模型》
Python的线性和逻辑回归，适用于具有动手项目的初学者
您是否正在寻找一种快速学习回归的动手方法？或者，也许您刚刚完成了数据科学或Python课程，并且正在寻找数据科学模型？
您是否需要从头开始学习逻辑和线性回归？
那么这本书是给你的。
本书将让你有机会对回归分析有一个基本的了解，这是任何数据科学家或机器学习工程师所需要的。
本书不仅对所有概念进行深入的理论和分析解释，而且还包括数十个动手实践的现实生活项目，帮助您更好地理解这些概念，从而实现这一目标。
本书将从深入研究 Python 编程开始，因为所有项目都是使用它开发的，它是目前世界上使用最多的编程语言。本书还将探索最著名的数据科学库，如Pandas，SciPy，Sklearn和Statsmodel。
然后，本书将开始了解如何预处理、准备和可视化数据，因为这些步骤对于任何数据科学项目都至关重要，并且可能占用高达 80% 的项目时间。虽然本书将更多地关注回归分析中常用的技术，但本书也将详细解释任何数据科学项目中使用的所有技术。
这本书提供了什么...
您将在三个模块中学习有关回归分析的所有知识，一个用于简单线性回归，一个用于多元回归，最后一个用于逻辑回归。所有三个模块都将包含许多使用真实数据集的实践项目。
清晰易懂的解决方案
本书中的所有解决方案都经过一组测试版读者的广泛测试。所提供的解决方案尽可能简化，以便它们可以作为示例供您在学习新技能时参考。
本书旨在做什么...
本书的编写目的只有一个——帮助初学者克服学习数据科学和人工智能的最初障碍。
很多时候，新手往往会被数据科学和人工智能吓倒。
本书的目标是分离不同的概念，以便初学者在本章末尾进行项目之前逐渐获得回归基础知识的能力。
数据科学的初学者在一次迈出一步时不一定令人恐惧或沮丧。