资源经验分享人工智能之机器学习

人工智能之机器学习

2019-12-12 | |  97 |   0

原标题:人工智能之机器学习

原文来自:博客园      原文链接:https://www.cnblogs.com/weijiazheng/p/10856462.html


发表这篇文章只是记录自己的机器学习的历程,以及自己理解的一些学习方法及步骤,希望可以帮助一些想要学习机器学习的朋友

1.首先我们先来有个概念,大致的了解自己想要学些什么,那么就看看机器学习的理论框架吧

 01.png

 

2.理解了要学什么东西,是不是迫不及待想要实际上手了,不急不急,还要搭建一下环境

系统环境:win10,python3.7

代码编辑:Jupyter Notebook,这是一款非常好用的代码编辑器,像个记事本一样(我发觉每个用python的人都会用Jupyter Notebook,那咱也学学)

下载Jupyter Notebook很好下,直接用pip下载安装


1
pip install jupyter

出现Successfully installed jupyter-*****等表示安装好啦

接下来运行一下吧!

在命令提示符中输入jupyter notebook,回车就可以了

这时就可以用jupyter notebook进行代码编辑了

03.png

接下来在我们创建好的页面中完成一个"Hello World"吧


1
print("Hello world")

04.png

给你的这个页面重命名

05.png

 那么进行到这里了,还要再努力一下,我们还要装一些python的第三方库

这里会遇到两个问题,由于是windows系统,所以Numpy + MKL和Scipy这两个安装文件无法通过pip直接安装

我给个百度云下载链接吧


1
2
链接:https://pan.baidu.com/s/1mCQ8D-rpJImlL_ufCY9YIQ
提取码:bwwd

为了防止被屏蔽,图片也贴出来了

06.png

ok,接下来下载好我们会看到这两个文件

07.png

为了方便,在D盘创建个文件夹,叫package吧,那么把这两个文件复制到这个文件夹下,打开命令提示图输入以下命令


1
2
3
4
D:
cd package
pip install numpy-1.15.4+mkl-cp37-cp37m-win_amd64.whl
pip install scipy-1.2.1-cp37-cp37m-win_amd64.whl

安装好这两个库,接下来的库就好安装了,直接在命令提示符中输入


1
pip install matplotlib ipython pandas scikit-learn

注意:win10的话记得用管理员身份运行命令提示符呦,否则可能会出现拒绝访问的提示

 到这里,基本的环境就搭建好了,如果有疑问,估计就是这些第三方库的作用了吧,那咱们来一起看看

Numpy : 它是python中基础的用于科学计算的库,功能很强大,包括高维数组的计算,线性代数的计算,傅里叶变换以及产生一些伪随机数等

Scipy : 它时python中用于科学计算的工具集,比如计算统计学分布,信号处理,计算线性代数方程等

pandas : 它是python中用于数据分析的库,可以生成类似Excel表格式的数据表,而且可以对数据表操作,也可以在数据库中提取数据.

matplotlib : 它是python的绘图库,可以描绘出折线图,散点图,直方图等

scikit-learn : 它非常非常重要,接下来的算法完全是在它的基础上运行的,是建立在Scipy基础上的用于机器学习的python模块.

ok,接下来,让我们一起进入机器学习的世界的世界吧!!

 

免责声明:本文来自互联网新闻客户端自媒体,不代表本网的观点和立场。

合作及投稿邮箱:E-mail:editor@tusaishared.com

上一篇:【机器学习实战】计算两个矩阵的成对距离(pair-wise distances)

下一篇:2-机器学习入门-读书笔记

用户评价
全部评价

热门资源

  • Python 爬虫(二)...

    所谓爬虫就是模拟客户端发送网络请求,获取网络响...

  • TensorFlow从1到2...

    原文第四篇中,我们介绍了官方的入门案例MNIST,功...

  • TensorFlow从1到2...

    “回归”这个词,既是Regression算法的名称,也代表...

  • 机器学习中的熵、...

    熵 (entropy) 这一词最初来源于热力学。1948年,克...

  • TensorFlow2.0(10...

    前面的博客中我们说过,在加载数据和预处理数据时...