这是一个涉及大量数据和大量变量的复杂问题。你知道机器学习是最好的方法，但你以前从来没用过。如何处理杂乱、不完整或各种格式的数据?如何为数据选择正确的模型?
听起来令人畏惧的?不要气馁。一个系统的工作流程将帮助你顺利起步。
下载电子书一步一步地从基础到先进的技术和算法:
第一部分:介绍机器学习
学习机器学习的基础知识，包括监督学习和非监督学习，选择正确的算法和实际示例。
第二部分:开始学习机器学习
以运行状况监测应用程序为例，逐步完成机器学习工作流。本节包括访问和加载数据、预处理数据、导出特性以及训练和改进模型。
第三部分:应用无监督学习
探索硬聚类和软聚类算法，并了解常用的降维技术，以提高模型性能。
第四部分:应用监督学习
探索分类和回归算法，并了解模型改进的技术，包括特征选择、特征转换和超参数调优。
