Python数据分析与机器学习实战＜一＞ 简介

目录

Python工具库：

机器学习：

机器学习需要啥？

机器学习能做啥？

机器学习流程：

怎么学机器学习？

深度学习又是啥？

算法推导咋开始？

机器学习怎么去实践起来？

安装 Anaconda 

---

Python工具库：

这里常用的Numpy、Pandas、Matplotlib、Scikit-Learn、tensorflow（谷歌开源的一个深度学习框架）

机器学习：

通俗一点的说就是，你告诉机器你想干什么，并且给它一堆数据让它模仿着做！

机器学习需要啥？

算法、数据、程序、评估、应用

机器学习能做啥？

数据挖掘（从一大堆数据中挖掘一些潜在的最具有价值的信息）、统计学习、模式识别、计算机视觉、自然语言处理（这两个近年来发展很快）、语音识别。

机器学习流程：

<1）训练样本-->2)特征抽取-->3）学习函数（将"不同的"数据分开）-->4)预测>

1. 数据收集与预处理

2. 特征选择（将人认识的符号转换成计算机认识的符号）与模型构建（重中之重）

3. 评估与预测

怎么学机器学习？

1. 其本质是 数学原理推导 和 实际应用的技巧（明白原理推导很重要，要弄懂！！！不会就问呗）

2. 机器学习的经典算法，既要学习，也要明白每个算法怎么来的以及该怎么用

3. 对于不会的数学，（目前概率论正在学），所以遇到不会的，边学变查！

深度学习又是啥？

深度学习是机器学习中神经网络算法的延伸，只不过应用比较广

深度学习在计算机视觉和自然语言处理中更厉害一些

学深度学习的基础是机器学习，所以要先打好基础！机器学习绝对值得从头开始！！！

算法推导咋开始？

首先选自己喜欢的方式（本人不喜欢直接取啃书，我喜欢看别人的博客（有的写的真的特别好）有视频更好了，听着别人讲更容易理解）

如果一个地方死活看不懂咋办？找到比你厉害能教你的圈子，跟她们交流，问她们怎么理解。也可以先整体了解之后再回过头去看，说不定就茅塞顿开了！

养成记笔记的好习惯（写博客比较容易坚持下来！按自己的理解从头到尾写出来，才说明真会了）

机器学习怎么去实践起来？

去哪找案例？最好的资源：Github(找资源）、kaggle(找数据，可以跟大家讨论的地方)

案例积累，模仿别人的案例，先模仿别人的做+自己的一些想法改一改就欧了

安装 Anaconda 

它集成了python环境，及深度学习所需要的所有包，所以很方便。当然其他的Python开发软件也可以，安装教程一搜就有，傻瓜式安装。不要再官网下载（很慢），用下面这个镜像网站下载Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

安装好后，就自带一些Python中很重要的库（很推荐使用）

由于我之前已经装过jupyter notebook了，所以直接用那个就好啦。notebook的好处就是，他既可以写笔记也可以运行代码块，很方便。

好了，有了工具，接下来就是坚持跟着视频学了！加油吧！

下期预告 Numpy