第二篇 机器学习numpy

1 机器学习应用场景

机器学习广泛用于模式识别、计算机视觉、数据挖掘、语音识别、统计学习、自然语言处理等领域；

2 机器学习一般步骤

 训练样本->特征提取->学习函数->预测分析

3 python常用的机器学习库

numpy：科学计算库

pandas：数据分析处理库

matplotlib：数据可视化库

scikit-learn：机器学习库

4 开发环境准备

anacoda 一个集成开发软件，安装成功，可以在pycharm中project interpreter中配置获取以上开发库；

一般命令：

conda list --查看以安装python库的信息

conda install numpy --安装指定库

anaconda search -t conda tensorflow 查询tensorflow库

anaconda show--在l列表中显示库信息

5 numpy库

引自 https://www.yiibai.com/numpy/numpy_data_types.html

5.1 构建矩阵对象

NumPy 中定义的最重要的对象是称为 ndarray 的 N 维数组类型。 它描述相同类型的元素集合。 可以使用基于零的索引访问集合中的项目。
ndarray中的每个元素在内存中使用相同大小的块。 ndarray中的每个元素是数据类型对象的对象(称为 dtype)。
从ndarray对象提取的任何元素(通过切片)由一个数组标量类型的 Python 对象表示。

构造ndarray对象
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
上面的构造器接受以下参数：
    参数及描述
    object 任何暴露数组接口方法的对象都会返回一个数组或任何(嵌套)序列。
    dtype 数组的所需数据类型，可选。
    copy 可选，默认为true，对象是否被复制。
    order C(按行)、F(按列)或A(任意，默认)。
    subok 默认情况下，返回的数组被强制为基类数组。 如果为true，则返回子类。
    ndimin 指定返回数组的最小维数。
import numpy as np
# 多于一个维度
a = np.array([[1, 2], [3, 4]])
print(a)
# 最小维度
a = np.array([1, 2, 3, 4, 5], ndmin=2)
# 指定元素类型为复数
a = np.array([1,  2,  3], dtype = complex)
print(a)

5.2