fastai机器学习课程-甲骨文 ORADC-AIG学习公开课（Lesson1）

最新推荐文章于 2025-06-25 10:15:18 发布

原创

最新推荐文章于 2025-06-25 10:15:18 发布 · 965 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#AI #机器学习 #甲骨文 #公开课 #fastai

该博客介绍了fastai机器学习课程的第一课，内容涵盖Kaggle实战、特征工程、数据预处理，特别强调了随机森林的重要性。通过Kaggle Kernel实践，演示了安装fastai库、数据探索、类别转换等步骤，并讨论了数据建模的两种方法，包括随机森林在结构化数据中的应用。同时，解释了评估指标如RMSLE在价格预测项目中的作用，并批驳了维数灾难和没有免费午餐定理的误解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Hi，这是我们第一次公开课。之所以有这个分享课程是因为大家太忙（懒），没有时间看fastai在线视频和笔记。而且视频和笔记都是英文的，大家也不想费脑子（懒）。所以本课程的目的就是把Jeremy老师的视频用中文再给大家讲一遍，另外把Hiromi小姐的笔记翻译加工一下分享给大家。

首先，下载并安装一些在本地可能用到的工具Anaconda（python3.7)，git。
接下来可以clone fastai的repo到本地，比较大，慢慢烤……
https://github.com/fastai/fastai
直接git clone就可以，因为根据StackOverflow有人问的：
from StackOverflow

课程教授方式采用Jeremy老师的自上而下教学法——先有宏观概念（应用），然后再深入需要的细节。刚开始时把精力放在”能做什么“上，而不是抽象概念上。

  学习方法：
  1.参加Kaggle竞赛
  2.创建Kaggle kernels

（假标题）随机森林：Blue Book for Bulldozer

Note| Kaggle

1. 薅Kaggle kernel羊毛

1.1 初始设定

创建Kernel；
在这里插入图片描述
添加数据；

启用GPU；

启用internet连接；
在这里插入图片描述
现在可以使用6个小时了（单次训练累计时间）；

接下来可以上传导入ipynb文件，不过最好是自己敲一遍代码啦。
在这里插入图片描述

1.2 安装fastai库

!pip install fastai==0.7.0
!pip install torchtext==0.2.3

（对于fastai2018年的ML课程,要使用fastai 0.7版本。）接下来看看安装到哪里去了：

!pip show fastai

1.3 自动重新加载&导入（autoreload，%魔法命令）

%load_ext autoreload
%autoreload 2
%matplotlib inline
from fastai.imports import *
from fastai.structured import *
from pandas_summary import DataFrameSummary
from sklearn.ensemble import RandomForestRegressor, RandomForestClassifier
from IPython.display import display
from sklearn import metrics