我认为计算生物学和机器学习在解决问题的时候是有很大的相似之处的。在计算生物学中，我们通常通过各种数据挖掘来解决计算问题，机器学习中，数据挖掘也占大头。我一直很喜欢统计学，在研究生的阶段我就上过一门「类统计模式识别」，我真的认为这门课点燃了我对预测建模还有机器学习的热情。最开始的时候，我感到「哇，这真是太不可思议了，它帮我解决了计算生物学各种各样的问题」，后来，我真是感觉到「哇，机器学习是那么重要，他几乎能帮我解决所有问题，我要学到更多。」

在课程中，我发展出了对机器学习真正的热情，这使我有动力在晚上花一些额外的时间去努力钻研。说实话，有很多机器学习的方面我都没有深入研究，还有很多文件资料我都没有来得及读。然而当我被要求写本书的时候，我发现先前的研究正好与此有关。虽然我在每个周末晚上花上几个小时来写书，我的社交生活在这几个月里也遭受些磨难，但是这也是我激情的来源：我十分高兴能够分享那些使我兴奋的的知识，这也使整个写书的过程变得充满了乐趣。所以，我认为抓紧所有时间在已经足够疯狂的博士期间写一本书是一个很棒的体验（因为他直接有助于解决计算生物学的问题），所以我也愿意花费一些我的「空闲」时间。

19. 我能在哪找到可以用来学习的 Python 机器学习项目？

我的建议是关注一些数据科学的博客，因为有很多人的博客都在分享他们所爱好的 Python 机器学习方面的东西。现在这边有一个较为全面的数据科学家博客列表，不过这并不是全都关于机器学习的，所以你得做一些手动搜索：rushter/data-science-blogs 你也可以看看 Kaggle（https://www.kaggle.com/）。

例如：

「通过 100 万条酒店评论发现一些有趣的见解」：https://blog.monkeylearn.com/machine-learning-1m-hotel-reviews-finds-interesting-insights/

在 Python 中的机器学习训练，第一部分：

不幸的是，他的博客似乎不常更新了（或者有了个新的站点），但还是可以看看通过了 Kaggle 比赛的解决方案（）。同样的，我也认为 Kaggle 比赛和论坛是学习的良好平台。

©本文由机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]