【機器學習快速入門教程1】前期準備

章節1:前期準備

本文包含本教程所需要的編程語言Python和開發環境Anaconda的簡單介紹。

Anaconda安裝

之所以推薦使用Anaconda,是為了讓大家省去復雜的安裝和配置Tensorflow的時間,快速入門機器學習。而Anaconda指的是一個開源的Python發行版本,其包含了conda、Python、numpy、tensorflow等等180多個科學包及其依賴項。可以根據這篇文章來安裝Anaconda,安裝完成打開后有以下界面,可以在右邊Environments中配置或導入你所需要的科學包(后面課程有用到),而本教程接下來使用Jupyter notebook來進行機器學習的編程練習。

Python基礎

我們只回顧后面學習中將要使用的Python的一些核心概念,如果你已經熟悉了Python,可以跳過以下內容。如果你是Python的初學者,在全面了解Python后再學習后面的章節會更好。

Python在線學習資源

變量

在Python中,你可以將任何值直接賦予一個變量,接著就可以直接引用和操作該變量。

myVariable = 'hello world'
print(myVariable)
hello word

列表

我們從Python中最基本的數據容器列表講起,

# basic list in Python# basic 
X = [2, 5, 7, -2, 0, 8, 13]
# lists are 0-indexed, so index 2 is the third element in X
print(X[2])
7

分片

指的是列表的子集(下標從0開始)

# slicing
y = X[0:2]
print(y)
y = X[:-2]  # equivalent to x[0:4] 
print(y)
[2, 5]
[2, 5, 7, -2, 0]

列表操作

列表中的各種方法:

  • 在列表中找到值為7的下標
print(X.index(7))
2
  • 計算列表中的元素個數
print(len(X))
7
  • 在列表末尾添加元素
X.append(99)
print(X)
[2, 5, 7, -2, 0, 8, 13, 99]
  • 在下標為1的地方插入元素
X.insert(1, 55)
print(X)
[2, 55, 5, 7, -2, 0, 8, 13, 99]

復雜列表

在Python中創建列表最便捷的方法就是通過對其他的列表進行操作,注意:** 是指數乘法操作,x**2指x^2。
新列表是x的平方

z = [x**2 for x in X]
print(z)
[4, 3025, 25, 49, 4, 0, 64, 169, 9801]

新列表是True/False(根據元素是否大于3)

z = [x>3 for x in X]
print(z)
[False, True, True, True, False, False, True, True, True]

字典

字典是另一種存儲數據的方法,可以使用key來查找數據

z = {'name':'Gene', 'apples':5, 'oranges':8}
print(z['name'])
print(z['oranges'])
if 'apples' in z:
    print('yes, the key apples is in the dict z')
Gene
8
yes, the key apples is in the dict z

循環

for循環

names = ['Alice', 'Bob', 'Carol', 'David']
for name in names:
    print('Hi %s' % name)
Hi Alice
Hi Bob
Hi Carol
Hi David

從range中的兩個端點獲取一組整數

for i in range(5, 9):
    print(i)
5
6
7
8

函數

函數是指一段可以重復使用的代碼塊

def myFunction(myArgument):
    print('Hello '+myArgument)
    
myFunction('Alice')
myFunction('Bob')
Hello Alice
Hello Bob

類給Python帶來了面向對象編程

class MyClass(object):
    def __init__(self, message): # constructor
        self.message = message   # assign local variable in object
    
    def print_message(self, n_times=2):
        for i in range(n_times):
            print('%s' % self.message)

M = MyClass('Hello OF Course!')
M.print_message(3)
Hello OF Course!
Hello OF Course!
Hello OF Course!

Python中有許多可以使用的函數庫
讓我們來導入兩個庫:math和matplolib.pyplot(化名為plt)
用math庫來計算1的余弦值

import matplotlib.pyplot as plt
import math

z = math.cos(1)
print(z)
0.5403023058681398

繪圖

我們來繪制sine函數的曲線,后面我們將學習更多關于繪圖方面的概念

X = [0.1*x for x in range(-50,50)]
Y = [math.sin(x) for x in X]

# make the figure
plt.figure(figsize=(6,6))
plt.plot(X, Y)
plt.xlabel('x')
plt.ylabel('y = sin(x)')
plt.title('My plot title')
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,119評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,382評論 3 415
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,038評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,853評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,616評論 6 408
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,112評論 1 323
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,192評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,355評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,869評論 1 334
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,727評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,928評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,467評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,165評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,570評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,813評論 1 282
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,585評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,892評論 2 372

推薦閱讀更多精彩內容