查看“AI Blue”的源代码


<h1> ''' scikit-learn '''</h1>
= '''第一章  什么是机械学习''' =
= '''第二章  python机械学习''' =



== 2.1 开发环境搭建 ==
安装开发环境'''Anaconda'''下载地址：
[https://www.anaconda.com/download/]


==2.2 IPython简介==
<p>IPython是公认的现代科学计算中最重要的Python 工具之一。它是一个加强版的Python交互式命令行工具，与系统自带的Python交互环境相比，IPython 具有以下明显的几个特点:</p>
<p>1、与Shell紧密关联，可以在 IPython 环境下直接执行Shell指令；</p>
<p>2、可以直接绘图操作的 Web GUI环境，在机器学习领域、探索数据模式、可视化数据、绘制学习曲线时，这一功能特别有用；</p>
<p>3、更强大的交互功能，包括内省、Tab键自动完成、魔术命令等。</p>

=== 2.2.1   IPython 基础===
<P>与Python相比，IPython的输出排版更加简介。</P>
<P>可以试着一下代码：</P>
 <nowiki>
In[1]: a=5
In[2]:a+3
In[3]:import numpy as np
In[4]:data ={i: np.random.randn() for i in range(8)}
In[5]:data
</nowiki>
<P>Tab键是IPython提高效率的秘籍，如下：</P>
 <nowiki>np.random./按下Tab</nowiki>

*快捷键：
 <nowiki> 
  Ctrl+A: 移动光标到本行的开头;
  Ctrl+E:  移动光标到本行的结尾;  的代不Ctrl+U:删除光标所在位置之前的所有字符;
  Ctrl+K: 删除光标所在位置之后的所有字符，包含当前光标所在的字符;
  Ctrl+L: 清除当前屏幕上显示的内容;
  Ctrl+P:以当前输入的字符作为命令的起始字符，在历史记录里向后搜索匹配的命令;.Ctrl+N:以当前输入的字符作为命令的起始字符，在历史记录里向前搜索匹配的命令;
  Ctrl+C:中断当前脚本的执行。
</nowiki>

----
<P>在IPython中可以直接在类或变量后加上一个问号“？”来查阅文档。</P>
 <nowiki>In[6]：np.random.randn?</nowiki>

----

<P>在类或变量或函数后面加两个问号“??”还可以直接查看源代码。结合星号“*”和问号“?”，还可以查询命名空间里的所有函数和对象。</P>
*建立一个文件：hello.py
 <nowiki>
In[7]：msg='hello ipython'
In[8]：print(msg)
 </nowiki>
*访问这个文件：
<nowiki>In[9]：% run hello.py</nowiki>

*快速评估代码的执行效率用%timeit，例；
 <nowiki>
In[10]:a np.random.randn(100,100)
In[11]:%timeit np.dot(a,a)
</nowiki>

*常用的魔术命令：
 <nowiki>
%who或%whos：命令来查看当前环境下的变量列表；
%quickref:   显示IPython的快速参考文档；
%magic:      显示所有的魔术命令及其详细文档；
%reset:      删除当前环境下的所有变量和导入的模块；
%logstart:   开始记录IPython 里的所有输入的命令，默认保存在当前工作目录ipython_log.py中;
%logstop:    停止记录，并关闭log文件。

*在魔术命令后面加上问号“?”可以直接显示魔术命令的文档。
</nowiki>

=== 2.2.1   IPython 图形界面===
'''特点'''
*方便编写多行代码
*可以直接把数据可视化
（看不懂）

==2.3 Numpy简介==
  <p>Numpy是Python科学计算的基础库，主要提供了高性能的N维数组实现以及计算能力，还提供了和其他语言如 C/C++ 集成的能力，此外还实现了一些基础的数学算法， 如约性代数相关、傅里叶变换及随机数生成等。</p>
===2.3.1 Numpy数组===
*创建数组
 <nowiki>
In [1]:import numpy as np
In [2]:a= np.array([1,2,3,4])
In [3]:a
In [4]:b=np.array([1,2],[3,4],[5,6])
In [5]:b
</nowiki>

*查看array属性、数据的维度和类型。

 <nowiki>
In [6]:b.ndim
In (7]:b.shape
In [8]:b.dtype     #查看数组里元素的数据类型
</nowiki>



*用Numpy函数来创建数组。
 <nowiki>
In [9]:c=np.arange(10)     #创建连续数组
In [9]:c 
In [10]:d= np.linspace(0,2,11)     #[O,2]分成11等分后的数组
In [11]:d
In [12]:np.ones((3, 3))   #注意参数两边的括号，参数是个元组
In [13]:np.zeros((3, 6))
In [14]:np.eye(4)
In [15]:np.random.randn(6，4)  #创建6X 4的随机数组
</nowiki>


*索引访问数组(与python类似)
 <nowiki>  
In [16]: a =np.arange(lO
In [17]: a
Out[17]: array([0,l,2,3 4, 5, 6, 7, 8, 9])

In [18]:a[0], a[3], a[-l]
Out[18]:(O,3,9)

In [19]:a[:4]
Out[19]: array[0,1, 2,3])

In [20]:a[3:7]
Out[20]:array([3, 4,5, 6])

In [21]:a[6:]
Out[21]: array([6, 7, 8, 9])

In [22]: a[2:8:2]
Out[22]: array([2, 4, 6])

In [23]: a[2::2]
Out[23]: array([2, 4, 6, 8])

In [24]: a[::3]
Out[24]: array([O, 3,  6, 9])

</nowiki>

==2.4 Pandas简介==

==2.5 Matplotlib简介==
Matplotlib是python数据可视化工具包。如果要在ipython控制台使用Matplotlib。可以使用ipython--matplotlib命令来启动ipython控制程序；
如果要在ipython  notebook里使用Matplotlib，则在notebook的开始位置插入%matplotlib inline魔术命令即可。
ipython的Matplotlib模式又两个优点：
*一是提供的非阻塞的画图操作
*二是不需要显示调用show()方法来显示画出来的图片。

*'''2.5.1 图形样式'''
    通常使用ipython notebook 的 Matplotlib模式来画图，这样画出来的图片会直接显示在网页上。要记得在notebook的最上面写上魔术命令%matplotlib inline。

    使用Matplotlib的默认样式在一个坐标轴上画出正弦和余弦曲线：
          matplotlib inline
          from matplotlib import pyplot as plt
          import numpy as np
          x = np.linspace (-np.pi，np.pi,200)
          C,S = np.cos(x), np.sin(x)
          plt.plot (x，C)
          plt.plot(x，S)
          plt.show()

==2.6 scikit-laearn简介==