入坑机器学习

入坑——机器学习

CaiXiang 软件部一级保护动物
这真是一个艰难迷茫的过程。。。。。
相信查过一点相关资料的小伙伴，肯定知道，新人小白入坑机器学习，就是要装包，numpy , pandas等等，那我们先从装包开始入坑吧。
以装numpy为例子吧！
首先，打开cmd命令，输入conda env list然后就可查看有哪些虚拟环境，用conda activate xxx(虚拟环境的名字)来进入你所想要进入的虚拟环境：

   这里的星号*指的是目前所处的虚拟环境。
   当然，你也可以不选择虚拟环境，直接输入pip install XXX(包的名字如：numpy)系统就会帮你自动安装适配的包。

（ps：如果在pip install XXX 后面添加上相关XXX包的安装地址，那么安装的版本即是所填地址的安装包的版本（不建议这么做，直接然系统帮你找相关且适配的包不香嘛，除非有特殊需求。）,如果你的包是自己手动搜索下载，如果没有下载好，会出现某些错误，已经安装好了numpy ，但在你的编译器中却用不了（排除语法错误），你可以使用pip uninstall XXX 将其直接卸载再用pip install XXX安装）

当然，有些比较偏一点的包，用这种方法，可能会出现找不到适配目标的错误，这个就需要自己科学上网，手动安装。

下载的过程中，可能会出现下载速度过慢（排除the problem of 网络），那我盲猜，可能是你没有换源的原因，因为我们下载的东东是y国的，所以我们下载他们的东西就要跨越山和大海，就像男追女隔座山。正所谓富人靠科技，穷人靠变异。人民币玩家，买个梯子，一步登天。平民玩家，选择变性，诶，我变成女生，女追男隔层纱，嘿嘿嘿嘿…（也就是所谓的换源，可以在网上搜素pip 如何永久换源，一夜脱单不是梦）
这换源，即是把国外下载包的网址整容一下，变成中国网址，这样中国码农下载用的就是中国的网址，就快了。

这里安利一个学机器学习的网址：https://www.bilibili.com/video/BV1rJ411L7mV?from=search&seid=7702744653840257572
当然吴承恩的机器学习也是ok的。
选择好你接下来要干的事如图片识别啥的，那你可以先搜素一下大佬是怎么操作的，不懂的地方科学上网，然后可以结合一下视频，综合理解，懂得自己要干些啥。
以下是我目前对自己搞垃圾分类的思维扩展（有些地方自己还在实践KNN算法，只具备参考价值）：

First：

批量把图片缩放为统一大小，改为灰度值，获得平均像素，二值化。

Second：

遍历图片转化为矩阵，存储在数组中。
###Third：
遍历获得每种图片的个数，种类

Forth：

将每一个图片的矩阵转为一维矩阵后，贴上标签。

Fifth:

将遍历图片的一维矩阵得到的数组按比例划分为7:3（或8:2）

Sixth:

用最简单的欧氏距离计算待测图片与其他训练集图片的距离。
（可以用Levenshtein这个包中的radio()函数或者hamming距离，逐个对比测试集中图片与训练集中四种垃圾的图片矩阵的相似度，比较测试集的图片的矩阵的特征与那种垃圾的特征最相近，把它归于具有相同特征的类别，并打印相关的类别标签。）

Seventh:

得出预测图片离训练图片的距离最近的前K个图片的标签，将其中出现次数最多的标签作为预测标签。

Eighth:

最后得出预测的准确值大小并打印。

下面是一些CNN(卷积神经网络)的知识点的笔记（写的不是很走心。。。）
• 了解CNN的优缺：

•

1. 实现去均值的归一化的图像显示操作

深度动态计算：
CNN的相关概念：卷积核 窗口 步长 深度 填充值。
最好让 步长 小于 0.5*窗口长度，有利于得到的图片更 平滑自然，窗口长度一般为奇数

几组偏置项目，就是多少深度（多少个组）（从多少个方面去观测考虑）
https://cs231n.github.io/assets/conv-demo/index.html （一个很好的卷积动态网站）

pad即在原来矩阵的周围加上一行（底层自动添加，为什么要加上一行，为什么加上0）

必须为整数（即图中得出来的3是整数）。

一些激活函数的优缺:

KNN（优化算法）

1 反比例函数
weight = 1 / (distance + const)

完全一样或非常接近的权重会很大甚至无穷大。基于这样的原因，在距离求倒数时，在距离上加一个常量const。
这种方法的潜在问题是，它为近邻分配很大的权重，稍远一点的会衰减的很快。虽然这种情况是我们希望的，但有时候也会使算法对噪声数据变得更加敏感。

2 高斯函数
高斯函数比较复杂，但克服了前述函数的缺点，其形式：

é«æ¯å½æ°

其中a,b,c∈R
其图像为：

é«æ¯å½æ°

效果很好，能够克服缺点，最大也就顶点值，再小也不为0，因此可以一定程度上克服噪声带来的影响。

（二）怎么加权
将各个类预测的权重值相加，哪个类最大，就属于哪个类。

就是在对每一类计数的时候，加的不是1二是权重。

假如k=3
三个类别分别为A、A、B
一般来讲，A有2个，B有1个，那么判别结果为A

加权情况下，三个邻近的权重分别为A（0.8），A（0.6），B（0.5）
相当于最后有0.8+0.6=1.4（个）A，0.5（个）B，所以最后选A。
(以上优化摘自：https://blog.csdn.net/sjyttkl/article/details/104437234/)

使用
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis（督促降维）
lda = LinearDiscriminantAnalysis(n_components=2)
X_r = lda.fit(first_train____data, labels).transform(first_train____data) （first_train____data为数据，lables为相关的标签，即为督促对象）。

form sklearn.decomposition import PCA（无督促降维）
pca = PCA(n_components=2)
a=thrid.lda.fit(res,None).transform(res)其中（res为数据）

                         Continue study and 更新ing