要如何开始从零掌握Python机器学习?
我使用Python已经7年多了,现在从事视频物体识别算法开发,使用TensorFlow,也是基于Python语言。Python是一门解决所有问题的语言,值得你拥有!
我从2012年开始学习机器学习,因为没人指导,走过很多弯路,浪费了不少时间和精力。刚开始我是看《机器学习实战》这本书,虽然看不懂,但还是把书上的例子全跑了遍,渐渐地就发现不用明白算法也能实现想要的功能。然后,我就直接开发自己想要的程序,遇到需要机器学习的部分就直接copy过来,一个周后demo就出来了,这时你就发现你已经入门了。剩下的就是了解各个算法的使用范围和局限。
千万不要掉到无尽的书堆里去,要实践和做项目!
呃,地铁到站了,要上班去了,还没写完,有机会再继续探讨……
python是怎样的编程语言?
python非常容易上手,而且能干很多事情,WEB开发,机器学习人工智能,数据分析,量化投资,爬虫等,基本可以应用到各行各业,而且大家都在做基于PYTHON的库,使得PYTHON语言变成一门直接拿来就能用的语言,更像一种工具了,比如机器学习,可能理论很复杂,但是实际在PYTHON中仅仅几行代码就能实现,不用花太多时间用在码代码上面, 学过python之后就再也不想写其他语言了,python 现在是越来越火。
Python是如何实现人工智能?
真没法回答,其实人工智能的概念实际上没有标准可循,所以您还是具体到实现XX功能更好一些,这样大家也能看明白。
从提出到现在,人工智能已经生长了60年了,很高大上,但并没能形成一种时代的概念。
因为其事实上定义很模糊,或者其时刻再发生着变化。
所谓的程序学习,应该还是由人植入的学习程序。
Python语言其实很慢,为什么机器学习这种快速算法步骤通常还是用呢?
对于用过几种开发语言(java,c#,nodejs,erlang),而后转Python做机器学习的人,我说说我的看法。
首先,大家说python慢是真的吗?我的回答是真的。非常慢,for循环比cpp慢两个数量级。
那为什么还用Python?假如我们遍历过亿的数据,两个数量级的差异是无法接受的。但如果我们用python做最上层的逻辑,把上亿数据进行分块,python只循环十几次,剩下扔给cpu和gpu。那么两个数量级是否就无所谓了呢?1毫秒和100毫秒在整个系统中真的无所谓了。
python最大的优势在于,可以非常非常优雅的把数据扔给高效的c,cuda去做计算。numpy,pandas,numba这些优秀的开源库可以非常方便的高效的处理海量的数据,借助zmq,celery等还可以做分布式计算,gevent借助系统的epoll进行io优化。所以,不需要花太多精力,就可以优雅,高效的实现海量的数据处理,机器学习的任务。这是python火爆的原因。
想想,同样的性能,代码只有cpp或java的三分之一甚至更少,是不是很有诱惑力?
在用python做的界面上怎么调用MATLAB写的代码(这些代码是处理图像的算法)?
matlab可以不启动图形界面运行。所以你可以在python中调用matlab命令行方式运行m文件。
但是这样的前提是运行环境必须有matlab。如果你想在没有matlab环境中运行。我记得matlab有个工具箱可以把m文件输出为c。然后用python调用c来完成呗。