wordpress网站图片加速,新网域名解析,中国建设银行征信网站,wordpress设置角色文章目录 1、机器学习的不同类型1.1 监督学习1.2 无监督学习1.3 强化学习 2、Python开发环境2.1 Python第三方库2.2 AnacondaPycharm集成开发环境 1、机器学习的不同类型
机器学习属于人工智能的一个分支#xff0c;专门用于对数据进行自动分析以发现相关规律#xff0c;从而… 文章目录 1、机器学习的不同类型1.1 监督学习1.2 无监督学习1.3 强化学习 2、Python开发环境2.1 Python第三方库2.2 AnacondaPycharm集成开发环境 1、机器学习的不同类型
机器学习属于人工智能的一个分支专门用于对数据进行自动分析以发现相关规律从而对未知数据进行预测。机器学习的研究方式一般是基于现有数据生成模型在解决问题时使用该模型进行判断、预测。 机器学习方法通常是从已知数据中去学习数据中蕴含的规律或者判断规则借此获取新知识、新技能。已知数据的用途是学习素材而学习的主要目的是推广即把学到的规则应用到未来的新数据上并做出新的判断或预测。
1.1 监督学习
监督学习是机器学习中最常见的一种学习方法该方法是从现有的数据中获取一定的规则该规则可以通过训练结果的反馈对学习过程进行调整即起到一个监督作用。 例如我们已知多种不同水果以及它们各自的颜色、重量、尺寸有无核等特征信息。通过对该数据进行训练掌握不同水果对应哪些具体的特征并将此对应关系记录下来之后专门输入颜色、重量等特征信息可以预测出该水果的种类。 在上述预测过程中已知的水果颜色、重量、尺寸有无核等特征信息为训练集其种类为预测量的真实值利用该真实值对学习过程不断进行调整已知水果颜色、重量、尺寸有无核等特征信息但不知其种类的数据集为测试数据利用学习到的规则对其种类进行预测。
1.2 无监督学习
上述监督学习过程要求为每个样本提供预测量的真实值这在有些应用场景是困难的在这些应用场景中只知道特征信息不知道预测量的真实值需要通过自我学习的方式发现其中的规则这种不提供监督信息的条件下进行学习的方法称为无监督学习。 例如同一种水果在不同地区它们的颜色、重量、尺寸等信息均存在月底那个的差别现已知所有水果的特征信息数据集对该数据集进行训练利用自我学习的方式发现不同地区水果之间的差别从而进一步将该数据集进行划分同一地区的水果数据集划分为同一类。
1.3 强化学习
在机器学习的实际应用中还有一种类型的问题就是利用学习到的模型来指导行动。 例如在下棋的过程中需要关注的不是某次移动是否是正确的而是关注这次移动能够给后期的博弈带来什么影响。为了解决这类问题强化学习被提了出来。 强化学习的重点是需要获得一个策略去指导下一步的行动也就是在下棋的过程中指导在当下的场景中需要将棋子下在哪一个位置。与监督学习不同该方法不需要一系列的输入和预测的样本它主要在行动过程中进行学习。
2、Python开发环境
机器学习领域最为热门的开发环境就是Python。Python语言之所以应用如此广泛为广大开发者所追捧主要是因为它具备了很多优点
学习难度低Python语言简单易学容易理解只要具备基本的编程思想在学习Python时就没有什么难度。开发效率高。Python语言可以让开发者以更少的代码、更短的时间来完成学习与工作相对于Java等静态编译语言其开发效率提高了若干倍。资源丰富。Python语言的标准库功能强大同时加上不用应用领域有着众多开源的第三方程序库开发者可以直接拿来使用无需自己从头设计。可移植性好。Python是一门脚本语言它不需要编译它的执行只与解释器有关同样的代码无需改动就可以移植到不同类型的操作系统上运行。扩展性好。通过各类接口或者函数库可以方便地在Python程序中调用其他程序设计语言编写的代码将它们整合一起来完成某项工作。
2.1 Python第三方库
Python的标准库包括math、random、datetime、os等同时它也拥有强大的第三方资源库为开发者提供了大量的开发资源。借助常用的机器学习库Python可以解决多种问题例如科学计算、数据分析、图像处理等。下面简单介绍几种常见的机器学习库
Numpy。Numpy是Numerical Python的简称是高性能计算和数据分析的基础包是Python的一个重要扩充库。Numpy支持高维度数组与矩阵运算也针对数组运算提供了大量数学函数库其运算效率极好是大量机器学习框架的基础库。Pandas。Pandas是Python的一个数据分析包是基于Numpy的一种工具是为了解决数据分析任务而创建的。Matplotlib。Matplotlib是Python的一个基本2D绘图库它提供了很多参数可以通过参数控制样式、属性等生成跨平台的出版质量级别的图形。Sklearn。Sklearn的全称是Scikit learn它专门提供了机器学习的模块该模块中包含了很多常见的机器学习算法例如数据分类、聚类、回归、数据预处理等。
2.2 AnacondaPycharm集成开发环境
Anaconda是一个开源的Python发行版本可以看作是增值版的Python本身自带了python解释器而且还自带很多实用性的工具其中包括大规模数据处理、预测分析和科学计算等包及支持模块是数据分析和机器学习的有力工具。 anaconda官方下载https://www.anaconda.com/download/。官网下载比较慢给大家推荐清华源的下载地址 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
进入后选择最下方的Anaconda33的意思就是Python3以上的版本如果是anaconda2则就是python2此处推荐下载Anaconda3 注x86是32位的而x86_64就是64位的。 下载完成后运行安装即可具体的安装过程较为简单主要在安装过程中设置好自定义安装路径即可。 安装完成后在开始菜单中就会有anaconda程序启动Jupyter notebook就可以开始进行Python的编程和笔记的记录Jupyter notebook是Web交互计算环境Jupyter notebook文档.ipynb实际上是一个JSON文档可以包含代码、文本、数字公式、图形和多媒体。使用Jupyter notebook可以让文档和代码相辅相成具有优秀的可视化能力使用户能够专注于数据分析过程。 Jupyter notebook程序
Jupyter notebook主页面
从右上角的New选项中选择Python3选项可以看到如下的编程窗口
代码上方的菜单栏提供了对网页中单元格的操作选项。 File文件操作如新建文件(New打开文件(Open和重命名文件(Rename)等。 Edit编辑包括常见的剪切(Cut Cells)、复制 (Copy Cells)和删除单元格 (Delete Cells)操作以及上下移动单元格(Move Cell Up/ Move Cell Down)等操作。 Inser添加单元格。 Cell包括运行单元格中的代码(Run Cells)和全部运行(Run All)。 Kernel 包括对内核的操作如中断运行(Interrupt)以及重新启动内核(RestarD)。 在工具栏的下拉菜单中有四个选项各按钮的功能依次如下。
Code 当前单元格的内容是可运行的程序代码。 Markdown当前单元格的内容是文本例如代码以外的结论、注释等文字。 Raw NBConvert当前单元格的内容为操作页面(Notebook)的命令。 Heading当前单元格的内容为标题用于使 Notebook 页面整洁。在最新版本中Heading 已经被集成到 Markdown 选项选择 Markdown 选项然后在文字前添加“#“行号,该行文字内容就被视为标题。
如果要对Jupyter notebook文档.ipynb的存储路径进行修改将其保存在其他路径之下首先找到配置文件jupyter_notebook_config.py其存储路径一般为C盘下用户路径之下。
用记事本打开找到 #c.NotebookApp.notebook_dir ‘’去掉该行前面的“#”在打算存放文件的位置先新建一个文件夹然后将新的路径设置在单引号中保存配置文件之后在Jupyter notebook中创建的文档将会保存在该路径之下。
PyCharm是一种Python集成开发环境带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外该集成环境提供了一些高级功能以用于支持Django框架下的专业Web开发。 Pycharm官方下载地址https://www.jetbrains.com/pycharm/download/#sectionwindows 注意Pycharm 有社区版和专业版之分专业版收费的有30天试用而社区版免费的。社区版功能缺失比较多所以建议安装专业版。 Pycharm的安装过程较为简单其中专业版需要激活未激活则可以免费试用30天。 Pycharm的启动界面如下这里是选择创建一个项目还是打开一个项目。
选择创建一个项目选择好项目目录然后就可以进入Pycharm了。
安装完Pycharm之后需要设置关联一下解释器才能正常工作进入设置CtrlAltS在这里添加Anaconda安装目录下的Python.exe路径就可以了。
如果你有多个解释器可以添加上去之后在这里进行切换。 之后就可以在该项目中进行python文件的创建以及编辑了。
