機器學習筆記(1) - 入門介紹與相關環境搭建

1. 凡是過往，皆是序章

開篇序引用了我們CTO說過的話，感謝他帶領我們入門機器學習

機器學習雖然被炒作得如火如荼，但從技術的實際發展和應用來看，機器學習技術只是剛剛起步，距離人們美好的想象還有很大距離。上世紀九十年代時的互聯網，社會的發展一再證明，人們對于技術的價值在短期內往往高估，但在長期來看又往往是低估。
相信在二十年之后，人工智能技術將無所不在，完全改變我們的生活。
現在了解和掌握機器學習的基礎知識，對于程序員來說，是一筆非常有價值的時間投資，也許有朝一日，你可以用學到的知識創造出有價值的產品。
人工智能雖然歷盡了幾十年的發展，走過的路相比這個技術未來的成長前景來說，只是很小的一段，所以，無論什么時候學習，都不算晚。

2. Python開發環境的搭建

× python 3.x 
× Scikit-learn(包括Numpy/Pandas/Matplotlib全家桶） 
× Jupyter Notebook

2.1 安裝Python開發環境(Anaconda)

Step1. 下載并安裝Anaconda（建議安裝3.×，建議國內清華鏡像下載，最近聽說豆瓣的鏡像速度更快也可使用）
下載地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

Step2. 安裝好Anaconda以后，配置清華大學的鏡像下載源（國外下載過慢)，這樣以后下載和更新python包就都可以從國內鏡像站點下載了

# 添加Anaconda的TUNA鏡像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中鏡像地址加有引號，需要去掉
# 設置搜索時顯示通道地址
conda config --set show_channel_urls yes

Step3. 使用Anaconda管理Python環境（Python及包版本管理）

# 創建一個名為python34的環境，指定Python版本是3.6（不用管是3.6.x，conda會為我們自動尋找3.6.x中的最新版本）
conda create --name python36 python=3.6
# 安裝好后，使用activate**某個環境
activate python36 # for Windows
source activate python36 # for Linux & Mac
# **后，會發現terminal輸入的地方多了python36的字樣，實際上，此時系統做的事情就是把默認2.7環境從PATH中去除，再把3.6對應的命令加入PATH
# 此時，再次輸入
python --version
# 可以得到`Python 3.6.2 :: Anaconda 4.1.1 (64-bit)`，即系統已經切換到了3.6的環境
# 如果想返回默認的python 2.7環境，運行
deactivate python36 # for Windows
source deactivate python36 # for Linux & Mac
# 刪除一個已有的環境
conda remove --name python36 --all

Step4. 下載各類計算包
類似與PIP，使用Conda命令管理包

# 例如：安裝scipy
conda install scipy
# conda會從從遠程搜索scipy的相關信息和依賴項目，對于python 3.4，conda會同時安裝numpy和mkl（運算加速的庫）
# 查看已經安裝的packages
conda list
# 最新版的conda是從site-packages文件夾中搜索已經安裝的包，不依賴于pip，因此可以顯示出通過各種方式安裝的包

Step5. 熟悉Anaconda常用命令

# 查看當前環境下已安裝的包
conda list
# 查看某個指定環境的已安裝包
conda list -n python34
# 查找package信息
conda search numpy
# 安裝package
conda install -n python34 numpy
# 如果不用-n指定環境名稱，則被安裝在當前活躍環境
# 也可以通過-c指定通過某個channel安裝
# 更新package
conda update -n python34 numpy
# 刪除package
conda remove -n python34 numpy

2.2 熟悉jupyter notebook的使用

在安裝Anaconda時，就已經安裝了Jupyter Notebook, 這是一個非常方便的工具，可以在編輯器中用Markdown語法和Latex語法編寫文章，并交互執行python程序。

相關文章推薦
Jupyter默認路徑修改方法
 左手代碼，右手寫作：你必須會的Jupyter Notebook
Jupyter Notebook 快速入門（上）
Jupyter Notebook 快速入門（下）

2.3 安裝Python IDE pycharm（可選）

Step1. 下載安裝 pycharm

Step2. 在pycharm中配置anaconda的解釋器（在pycharm中配置Anaconda以及pip源配置）

Step3. 熟悉pycharm的使用簡單實用教程

Step4. 在pycharm中使用jupyter notebook 參考資料

以下為我的微信公眾號：技術經理的成長
會不定期進行更新，歡迎關注

本文鏈接：https://blog.csdn.net/initiallht/article/details/89053618

智能推薦

requests實現全自動PPT模板

http://www.1ppt.com/moban/ 可以免費的下載PPT模板，當然如果要人工一個個下，還是挺麻煩的，我們可以利用requests輕松下載訪問這個主頁，我們可以看到下面的樣式點每一個PPT模板的圖片，我們可以進入到詳細的信息頁面，翻到下面，我們可以看到對應的下載地址點擊這個下載的按鈕，我們便可以下載對應的PPT壓縮包那我們就開始做吧首先，查看網頁的源代碼，我們可以看到每一...

互斥鎖互斥鎖也是屬于線程之間處理同步互斥方式，有上鎖/解鎖兩種狀態。互斥鎖函數接口 1）初始化互斥鎖 pthread_mutex_init() man 3 pthread_mutex_init (找不到的情況下首先 sudo apt-get install glibc-doc sudo apt-get install manpages-posix-dev) 動態初始化 int pthread_...

統計學習方法 - 樸素貝葉斯

引入問題：一機器在良好狀態生產合格產品幾率是 90%，在故障狀態生產合格產品幾率是 30%，機器良好的概率是 75%。若一日第一件產品是合格品，那么此日機器良好的概率是多少。貝葉斯模型生成模型與判別模型判別模型，即要判斷這個東西到底是哪一類，也就是要求y，那就用給定的x去預測。生成模型，是要生成一個模型，那就是誰根據什么生成了模型，誰就是類別y，根據的內容就是x 以上述例子，判斷一個生產出...

styled-components —— React 中的 CSS 最佳實踐

https://zhuanlan.zhihu.com/p/29344146 Styled-components 是目前 React 樣式方案中最受關注的一種，它既具備了 css-in-js 的模塊化與參數化優點，又完全使用CSS的書寫習慣，不會引起額外的學習成本。本文是 styled-components 作者之一 Max Stoiber 所寫，首先總結了前端組件化樣式中的最佳實踐原則，然后在此基...