anaconda安装python视频_自学python系列:第一篇anaconda安装篇

自学python系列:第一篇anaconda安装篇

原创: Ken Ken Coding 7月1日

微信公众号为 Ken Coding

趁着星期六天,一点点的学习一下python,这是一个风口啊,

其他时间要忙别的,尽量让自己多学一点基础的知识,以后工作了在慢慢深入去探究把

在这里推荐Python的集成开发环境anaconda是一个优秀的Python科学计算环境,他不仅包括Python也包括100多个的Python科学计算模块

AAffA0nNPuCLAAAAAElFTkSuQmCC

下载完成之后,直接傻瓜式安装就好了

可以在命令行直接输入

conda  update conda

conda update anaconda

anaconda自带Python的编辑器spyder 他是个用Python编写的可视化图形编辑器  在命令行直接使用

spyder开启

AAffA0nNPuCLAAAAAElFTkSuQmCC

第一行Python代码

在命令行输入  python

AAffA0nNPuCLAAAAAElFTkSuQmCC

其中‘>>>’是提示符,作用是提示在这里输入代码 输入 print('hello python')

AAffA0nNPuCLAAAAAElFTkSuQmCC

想要退出就输入  exit()

AAffA0nNPuCLAAAAAElFTkSuQmCC

还有一个IPython解析器

这个比Python解析器更加强大,让我们马上来体验它吧

在命令行输入   ipython

'in[]'中的数字会按照顺序增加

'out[]'表示输出的内容

‘%whos’表示查看当前的变量空间,这个跟matlab有点相似

'%pwd'可以查看当前的工作目录

AAffA0nNPuCLAAAAAElFTkSuQmCC

查看help帮助

以感叹号 !  来执行一些系统命令

!ping www.baidu.com

AAffA0nNPuCLAAAAAElFTkSuQmCC

在命令行直接输入  jupyter notebook

AAffA0nNPuCLAAAAAElFTkSuQmCC

启动之后

AAffA0nNPuCLAAAAAElFTkSuQmCC

视频地址

https://v.qq.com/x/page/l134267e4uw.html

2017年最新机器学习入门与实战精品高清全套视频教程附讲义作业(anaconda2 4.3Pytyhon2.7 jupyter) 70课 课程介绍: 从基本的软件安装到必备的Python扩展讲起,然后对机器学习算法一一讲解,同时配合编程实操的实现过程,适合零基础系统学习,配套资料包括讲义作业软件数据都有。 课程目录: 第一章Numpy前导介绍 1.1、Anconda安装 1.2、JupyterNoteBook 1.3、Numpy介绍+ndarry 1.4、ndarry的shape属性巧算 1.5、ndarray的常见创建方式 1.6、NumPy中的数据类型 1.7、NumPy数据类型2 1.8、Numpy基本操作 1.9、索引和切片 1.10、索引和切片(2) 1.11、数组转制与轴兑换 1.12、通用函数 1.13、np.where函数 1.14、np.unique函数 1.15、数组数据文件读取 第二章Pandas前导课程 2.1、Pandas介绍 2.2、Series 2.3、索引对象 2.4、DataFrame 2.5、Pandas常用操作(1) 2.6、Pandas常用操作(2) 2.7、缺失值处理 2.8、pandas制图 2.9、Matplotlib(1) 2.10、Matplotlib(2) 2.11、Matplotlib中文输出解决 第三章机器学习(一) 3.1、01机器学习定义及理性认识 3.2、02机器学习商业应用场景、机器学习分类 3.3、03机器学习开发流程 3.4、04模型评估方法和部署 3.5、05线性回归原理推倒过程 3.6、06线性回归基础认识及原理讲解 3.7、07线性回归案例分析 第四章机器学习(二) 4.1、01_线性回归案例1、正则项、梯度下降 4.2、02_梯度下降方法及回归案例分析 4.3、03_线性回归、lasso、ridge、ElasitcNet以及案例分析 4.4、04_逻辑回归原理 4.5、05_逻辑回归及案例分析 4.6、06_softmax回归及案例分析 4.7、07_综合案例分析 第五章机器学习三-决策树 5.1、01决策树、属性分割、信息增益 5.2、02信息增益的计算、模型评估、ID3、C4.5、CART_ 5.3、03决策树案例分析1 5.4、04决策树案例分析二、过拟合、剪枝分析 5.5、05bagging、随机森林、随机森林案例分析 5.6、06GBDT、Adaboost原理讲解 5.7、07Adaboost案例分析、综合案例分析 第六章机器学习四-SVM支持向量机 6.1、svm讲解 6.2、核函数 6.3、代码讲解(一) 6.4、代码讲解(二 6.5、代码讲解(三) 6.6、代码讲解(四) 第七章机器学习五-聚类分析+贝叶斯 7.1、01-聚类的相似性度量(距离公式) 7.2、02-聚类思想、kmeans聚类、kmeans聚类应用案例 7.3、03-二分kmeans、kmeans++、kmeansII、canopy、mini-batchkm 7.4、04-聚类算法的衡量指标及案例实现 7.5、05-层次聚类及实现案例 7.6、06-密度聚类 7.7、07-密度聚类案例实现、谱聚类、谱聚类案例实现 7.8、08-不同聚类效果对比实现、文本案例、图片案例 7.9、09-朴素贝叶斯原理、案例1、案例2 7.10、10-贝叶斯网络 7.11、11-贝叶斯网络拓展 第八章机器学习六-EM-HMM-LDA-ML 8.1、01.EM算法讲解 8.2、02.HMM及中文分词 8.3、03.主题模型 8.4、04.spark机器学习安装环境 8.5、05.spark机器学习离线处理及训练和使用 8.6、06.机器学习实时新闻分类
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值