為了理解和應用機器學習技術，你需要學習 Python 或者 R。這兩者都是與 C、Java、PHP 相類似的程式語言。但是，因為 Python 與 R 都比較年輕，而且更加“遠離”CPU，所以它們顯得簡單一些。相對於R 只用於處理資料，使用例如機器學習、統計演算法和漂亮的繪圖分析資料， Pthon 的優勢在於它適用於許多其他的問題。因為 Python 擁有更廣闊的分佈（使用 Jango 託管網站，自然語言處理 NLP，訪問 Twitter、Linkedin 等網站的 API），同時類似於更多的傳統語言，比如 C python 就比較流行。
在Python中學習機器學習的四個步驟
1、首先你要使用書籍、課程、視訊來學習 Python 的基礎知識
2、然後你必需掌握不同的模組，比如 Pandas、Numpy、Matplotlib、NLP (自然語言處理)，來處理、清理、繪圖和理解資料。
3、接著你必需能夠從網頁抓取資料，無論是通過網站API，還是網頁抓取模組Beautiful Soap。通過網頁抓取可以收集資料，應用於機器學習演算法。
4、最後一步，你必需學習機器學習工具，比如 Scikit-Learn，或者在抓取的資料中執行機器學習演算法(ML-algorithm)。
1.Python入門指南：
有一個簡單而快速學習Python的方法，是在 codecademy.com 註冊，然後開始程式設計，並學習 Python 基礎知識。另一個學習Python的經典方法是通過 learnpythonthehardway ，一個為廣大 Python 程式設計者所推薦的網站。然後還有一個優秀的 PDF， byte of python 。python社團還為初學者準備了一個Python資源列表list of python resources。同時，還有來自 O’Reilley 的書籍 《Think Python》，也可以從這裡免費下載 。最後一個資源是 Python 用於計量經濟學、統計學和資料分析的介紹：《Introduction to Python for Econometrics, Statistics and Data Analysis 》，其中也包含了 Python 的基礎知識。
2.機器學習的重要模組
關於機器學習最重要的模組是：NumPy, Pandas, Matplotlib 和 IPython 。有一本書涵蓋了其中一些模組：《Data Analysis with Open Source Tools》 。然後來自於1.的免費書籍《Introduction to Python for Econometrics, Statistics and Data Analysis》，同時也包括 Numpy，Pandas，Matplotlib 和 IPython這幾個模組。還有一個資源是 Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython，也包含了一些很重要的模組。以下是其他免費模組的相關連結： Numpy (Numerical Python, Numpy Userguide, Guide to NumPy), Pandas (Pandas, Powerful Python Data Analysis Toolkit，Practical Business Python，Intros to Pandas Data Structure) 和 Matplotlib books。
其它資源:
3.從網站通過API挖掘和抓取資料
一旦理解了Python的基礎知識和最重要的模組，你必需要學習如何從不同的源收集資料。這個技術也被稱作網頁抓取。傳統的源是網站文字，通過API進入twitter或linkedin一類網站得到的文字資料。網頁抓取方面的優秀書籍包括：《 Mining the Social Web》 （免費書籍），《Web Scraping with Python》 和《 Web Scraping with Python: Collecting Data from the Modern Web》。
最後這個文字資料必須要轉換為數值資料，通過自然語言處理（NLP）技術完成， Natural language processing with Python 和 Natural Language Annotation for Machine Learning 上面有相應的資料。其它的資料包括圖片和視訊，可以使用計算機影象技術分析： Programming Computer Vision with Python，Programming Computer Vision with Python: Tools and algorithms for analyzing images 和 Practical Python and OpenCV ，這些是圖片分析方面的典型資源。
以下例子中包括可以用基本的Python命令列實現，有教育意義，而且有趣的例子，以及網頁抓取技術。
- Mini-Tutorial: Saving Tweets to a Database with Python （微型教程：使用Python儲存推文到資料庫）
- Web Scraping Indeed for Key Data Science Job Skills （網頁抓取關鍵資料科學工作技巧）
- Case Study: Sentiment Analysis On Movie Reviews （案例學習：電影評論中的情感分析）
- First Web Scraper （第一網頁抓取）
- Sentiment Analysis of Emails （郵件的情感分析）
- Simple Text Classification （簡單文字分類）
- Basic Sentiment Analysis with Python （Python基礎情感分析）
- Twitter sentiment analysis using Python and NLTK （使用Python和NLTK 做Twitter情感分析）
- Second Try: Sentiment Analysis in Python （第二個嘗試：Python情感分析）
- Natural Language Processing in a Kaggle Competition for Movie Reviews （電影評論相關Kaggle Competition中的NLP自然語言處理）
4. Python 中的機器學習
機器學習可以分為四組：分類，聚類，迴歸和降維。
“分類”也可以稱作監督學習，有助於分類圖片，用來識別圖片中的特徵或臉型，或者通過使用者外形來分類使用者，並給他賦不同的分數值。“聚類”發生在無監督學習的情況，允許使用者在資料中識別組/叢集。“迴歸”允許通過引數集估算一個值，可以應用於預測住宅、公寓或汽車的最優價格。
modules, packages and techniques 羅列了 Python、C、Scala、Java、Julia、MATLAB、Go、R 和 Ruby等語言中所有學習機器學習的重要模組、包和技巧。有關Python機器學習的書籍，我特別推薦《Machine learning in action》。儘管有點短，但它很可能是機器學習中的經典，因為它提到了“集體智慧程式設計時代”：Programming Collective Intelligence。這兩本書幫助你通過抓取資料建立機器學習。最近關於機器學習的出版物大多都是基於模組 scikit-learn 。由於所有的演算法在模組中都已實現，使得機器學習非常簡單。你唯一要做的事就是告訴 Python ，應該使用哪一個機器學習技巧 (ML-technique) 來分析資料。
免費的 scikit-learn教程 可以在 scikit-learn 官方網站上找到。其他的帖子可以通過以下連結獲取：
- Introduction to Machine Learning with Python and Scikit-Learn （機器學習中 Python 和 Scikit-Learn 的介紹）
- Data Science in Python （Python 中的資料科學）
- Machine Learning for Predicting Bad Loans （用機器學習來預測壞賬）
- A Generic Architecture for Text Classification with Machine Learning （通過機器學習來分類文字的通用架構）
- Using Python and AI to predict types of wine （利用 Python 和 AI 人工智慧來預測酒的品種）
- Advice for applying Machine Learning （應用機器學習的建議）
- Predicting customer churn with scikit-learn （使用 scikit-learn 預測使用者流失）
- Mapping Your Music Collection （對映你的音樂收藏）
- Data Science in Python （Python 中的資料科學）
- Case Study: Sentiment Analysis on Movie Reviews （案例學習：電影評論中的情感分析）
- Document Clustering with Python （Python中的文件聚類）
- Five most popular similarity measures implementation in python （5 個最流行的Python相似度測量的實現）
- Case Study: Sentiment Analysis on Movie Reviews （案例學習：電影評論中的情感分析）
- Will it Python? （將會是 Python 麼？）
- Text Processing in Machine Learning （機器學習中的文字處理）
- Hacking an epic NHL goal celebration with a hue light show and real-time machine learning （使用色彩燈光秀和實時機器學習黑入史詩級 NHL（北美冰球聯賽）進球慶祝）
- Vancouver Room Prices （溫哥華房間價格）
- Exploring and Predicting University Faculty Salaries （探索和預測大學教師工資）
- Predicting Airline Delays （預測航班延誤）
關於機器學習和 Python 中模組 scikit-learn 的書籍：
- Collection of books on reddit （收集 reddit 新聞網站上的書籍）
- Building Machine Learning Systems with Python （用 Python 建立機器學習系統）
- Building Machine Learning Systems with Python, 2nd Edition （用 Python 建立機器學習系統，第二版）
- Learning scikit-learn: Machine Learning in Python （學習 scikit-learn:Python 中的機器學習）
- Machine Learning Algorithmic Perspective (透視機器學習演算法)
- Data Science from Scratch – First Principles with Python (抓取的資料科學——關於 Python 的首要原則)
- Machine Learning in Python （Python 中的機器學習）
接下來數月將要發行的書籍包括：
- 《Introduction to Machine Learning with Python》 （Python 機器學習的介紹）
- 《Thoughtful Machine Learning with Python: A Test-Driven Approach》 （思考 Python 機器學習：接近測試驅動）
機器學習相關的課程和部落格
你想要得到一個學位，加入線上課程，或者參加線下講習班、大本營或大學課程麼？這裡有一些關於邏輯分析、大資料、資料探勘和資料科學的線上教育站點連結：Collection of links 。另外推薦一些線上課程–來自Udacity的Coursera 課程：machine learning 和 Data Analyst Nanodegree。還有一些關於機器學習的部落格列表：List of frequently updated blogs。
最後是來自 Jake Vanderplas 和 Olivier Grisel，關於探索機器學習的優秀 youtube 視訊課程。
機器學習理論
想要學習機器學習的理論？那麼，《The Elements of statistical Learning》和《 Introduction to Statistical Learning》 是常常被引用的經典。然後還有另外兩本書籍：《Introduction to machine learning 》和《 A Course in Machine Learning》。這些連結包括免費的PDF，你不需要付費！如果不想閱讀這些書籍，請觀看視訊：15 hours theory of machine learning！