机器学习-liuyubobobo（慕课网）

第一章 python3玩转机器学习

第二章 机器学习基础

安装：1.anaconda   2.pycharm

第三章 Jupyter Notebook，numpy，Matplotlib

1.jupyter notebook 魔法命令： %run  %timeit  %time

2.numpy基础：  numpy.array   numpy.dtype

3.numpy数组和矩阵：numpy.zeros()   numpy.ones()     numpy.full()     numpy.arange()    numpy.linspace()     numpy.random.randint()          numpy.random.random()      numpy.random.normal()

查命令   numpy.random?

4.numpy数组基本操作：x为数组，求基本属性：   x.ndim       x.shape    x.size

numpy.array数据访问：   x[头:尾:步长, 头:尾:步长]     subx=x[:2, :3].copy()        A=x.reshape(2,5)

5.numpy数组的合并与分割：numpy.concatenate([ , ], axis = )         numpy.vstack()       numpy.hstack()      numpy.split( , [ ], axis= )     numpy.vsplit()      numpy.hsplit()

6.numpy中的矩阵运算：X为矩阵  X*2  X/2  X%2   X+2   X-2   X**2   2/X   numpy.abs(X)    numpy.sin(X)   numpy.cos(X)   numpy.tan(X)   numpy.exp(X)   numpy.power(3,X)   numpy.log(X)  numpy.log2(X)

矩阵间的运算  A,B为两个2X2矩阵   矩阵乘法 A.dot(B)  转置  A.T

矩阵和向量的运算      V 为向量  A 为矩阵          V+A   向量和矩阵做加法 向量和矩阵中每一行相应的向量做加法      numpy.tile()    乘法 v.dot(A)

矩阵的逆  numpy.linalg.inv(A)  逆矩阵和原矩阵相乘得单位矩阵，方阵才有逆矩阵    伪逆矩阵  numpy.linalg.pinv(A)   伪逆矩阵和原矩阵相乘得到的也是一个方阵

7.numpy中的聚合运算：X为一维数组，  numpy.sum(X)   numpy.min(X)    numpy.max(X)    numpy.sum(X, axis= )   numpy.prod(X+1)     numpy.mean(X)    numpy.median(X)    numpy.percentile(X, q = 50)

numpy.var(X)     numpy.std(X)    axis=0 沿着行的方向        axis=1 沿着列的方向

8.numpy中的arg运算：X为矩阵或向量， numpy.argmin(X)     numpy.argmax(X)     numpy.sort(X, axis = )     numpy.argsort(X, axis = )     numpy.partition(X, 3) 快排     numpy.argpartition(X, 3, axis = )

9.numpy中Fancy Indexing：row = numpy.array([0,1,2])   col = numpy.array([1,2,3])    X[row, col]    numpy.sum(X <= 3)     numpy.count_nonzero(X <= 3)

numpy.any(X == 0)       numpy.all(X > 0)      返回值为True/Fasle     numpy.sum(X % 2 == 0, axis = )

numpy.sum((X > 3) & (X < 10))  这是位运算符！ 条件运算符连接两个条件（布尔值），结果也是一个布尔值。而这里连接的是两个数组，将这两个数组按照相应的索引分别进行与或运算，                                                得到结果也是一个数组。

10.更加高级的表格处理用pandas库，因为有datafree数据结构，通常先用pandas对数据进行预处理，然后将pandas数据转成numpy矩阵，再送给机器学习算法

11.matplotlib基础（可视化）：import matplotlib as mpl    import matplotlib.pyplot as plt

plt.plot(x, y, color=" " , linestyle=" " , label=" " )    plt.show()   plt.xlim( , )   plt.ylim( , )   plt.axis([ , , , ])   plt.xlabel(" ")  plt.ylabel(" ")   plt.title(" ")

散点图 plt.scatter(x, y, color=" ", marker=" ", alpha= )

12.数据加载：from sklearn import datasets