Python环境配置
1.Anaconda安装:
由于官网下载较慢,推荐使用清华镜像源: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/.
我在下载的是Anaconda3-5.1.0-Windows-x86_64.exe,对应python3.6.5
(问题)安装vscode时,无法连接,解决办法:
在anaconda/pkgs下,找到vscode_inst.py文档,
第110行原为:VSCODE_ENDPOINT=‘https://vscodeupdate.azurewebsites.net/api/update/{}/stable/version’.format(VSCODE_SUBDIR) # NOQA
修改为:
VSCODE_ENDPOINT=‘https://update.code.visualstudio.com/api/update/{}/stable/version’.format(VSCODE_SUBDIR) # NOQA
2.visual studio安装
(1)登录vs官网https://visualstudio.microsoft.com/zhhans/?rr=https://www.microsoft.com/zh-cn/
(2)下载社区版
(3)选择
3.pycharm安装
(1)官网下载社区版 https://www.jetbrains.com/pycharm/download/#section=windows.
(2)配置python
添加anaconda路径下的python文件
4.第三方包的安装
以安装tensorflow为例,分享两种方法,都挺好用的:
1.anaconda prompt下利用pip指令安装
(1)进入anaconda prompt并输入activate激活环境
(2)输入`
pip install tensorflow==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple`
这里pip install X==XX -i XXX,X指第三包的名字,XX指第三包的版本,XX指换国内源。
2.pycharm安装第三方包
(1)打开pycharm setting的python interpreter,并取消使用conda package manager
点击右侧的加号,搜索你需要安装的包,并选择版本安装
第一个机器学习程序
K-NN算法
参考链接(https://blog.csdn.net/zx1245773445/article/details/83758493?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.edu_weight&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.edu_weight)
import numpy as np
import operator
import matplotlib.pyplot as plt
##给出训练数据以及对应的类别
def create_dataset():
group = np.array([[1.0, 2.0], [1.2, 0.1],
[0.1, 1.4], [0.3, 3.5]])
labels = ['A', 'A', 'B', 'B']
return group, labels
##通过KNN进行分类
def classify(input, dataSet, label, k):
dataSize = dataSet.shape[0]
## 重复input为dataSet的大小
diff = np.tile(input, (dataSize, 1)) - dataSet
sqdiff = diff ** 2
## 列向量分别相加,得到一列新的向量,diff**2各元素的平方
squareDist = np.array([sum(x) for x in sqdiff])
dist = squareDist ** 0.5
## 对距离进行排序
## argsort()根据元素的值从小到大对元素进行排序,返回下标
sortedDistIndex = np.argsort(dist)
classCount = {}
for i in range(k):
## 因为已经对距离进行排序,所以直接循环sortedDistIndx
voteLabel = label[sortedDistIndex[i]]
## 对选取的k个样本所属的类别个数进行统计
## 如果获取的标签不在classCount中,返回0
classCount[voteLabel] = classCount.get(voteLabel, 0) + 1
## 选取出现的类别次数最多的类别
maxCount = 0
for key, value in classCount.items():
if value > maxCount:
maxCount = value
classes = key
return classes
def draw_pic(input):
plt.scatter([1.0, 1.2], [2.0, 0.1], label='A')
plt.scatter([0.1, 0.3], [1.4, 3.5], label='B')
plt.scatter(input[0], input[1], label='test')
plt.legend()
plt.show()
data, labels = create_dataset()
input = [0.5, 3.0]
draw_pic(input)
print(classify(input, data, labels, 2))
运行效果