机器学习入门&安装Anaconda

机器学习入门&安装Anaconda

前言

Python基础其实有Java的学习经历差不多一个星期就可以学完了，但是我用了将近两星期，算是边玩边学吧，总的来说基础就跟Java的东西差不多，无疑就是多了元组，列表和字典的一些操作和语法。后面又学习PR剪辑，算是满足的自己的临时兴趣，不过之后学习到vlog阶段要买相机什么的，学生党没钱（手动狗头），所以先缓缓学习PR，继续在学习Python的这条道路上走下去，我的学习方向是人工智能机器学习+深度学习。至于我为什么学习Python，不学Java了，因为我得紧紧抱紧导师的大腿啊。。。。。。无论学习什么，都是提高自己的途径！！！

这篇文章算是入学指南以及激励自己学习的里程碑，人生苦短，我用Python。

为嘛Python这么火？

• 难度：有任何语言基础学Python你会觉得简单到家了

• 实用性：能用一行代码，何必用十行呢？（我们的定位通常都是工程师，而非科学家，能干活更重要）

• Python工具库：这些简直太多了，基本上你能想到的现在都有了（我们常用的：Numpy，Pandas，Matplotlib，Scikit-Learn，tensorflow）

• 大家都在用，各大公司开源工具库都有Python接口，并且都是主流，我们实际干活很大程度上都是使用这些库帮助我们完成任务

Python和这些库怎么配置？

常规套路：1.安装 2.环境变量 3.用什么库去看配置文档自己安装（这个是程序员的常规套路了，但是很麻烦）

ANACONDA：傻瓜式安装，解决上述问题（还给我们赠送了notebook写代码环境，库安装工具等）

为什么建议使用Notebook? 主要原因在于它不光能写代码，还可以做笔记尤其是代码需要一步步执行的时候，可以得到每一步结果并保留下来，在可视化展示方面就更方便了 。

如何学Python呢？

如果有其他语言基础：简单过一遍语法，直接上手应该没什么问题

如果是第一门语言：初级内容便学边写，高级内容暂时不需要（我觉得语言只是一门工具，不需要先都学彻底了才能干活，边做事边学习应该会更加深理解，忌光看书不练习）

Python这么多库，这么多函数，我需要都记下来吗？（其实这些依旧是工具，记它干嘛？我觉得重点在于知道每个库能做什么，大概用哪个函数，等实际用的时候还是需要查一查API的，这么多参数都记下来不太切合实际，动手查的能力也很重要）

人工智能我该怎么学呢？

人工智能是一个很大的圈子，但是基础必然是机器学习

什么是机器学习呢？ 说白了就是你告诉机器你想做什么？并且给它一堆数据让它去模仿着做！（比如，咱们上高中，老师会告诉我们一个目标就是考高分，然后给我们一堆练习册和答案，我们的目的就是让我们做的题的解和答案一致）

机器学习需要什么？ 算法，数据，程序，评估，应用

机器学习能做什么？

机器学习在数据挖掘，图像识别，语音和自然语言处理中有着广泛应用

机器学习流程？

一个机器学习的常规套路：1.数据收集与预处理2.特征选择与模型构建3.评估与预测

机器学习我该怎么学？

机器学习本质包含了数学原理推导与实际应用技巧
机器学习中有很多经典算法，既然要学习，那就需要清楚一个算法是怎么来的（推导）以及该如何应用
数学重要吗？ 非常重要的，大学的数学基础即可，如果都忘了，大致的印象还是有的吧，我觉得与其从头过一遍数学，不如边学边查，一个合适的做法就是哪里不会查哪里，查着查着就会了。

一定要学数学，学推导吗？我知道会用不就可以了吗？ 有句老话，不光要知其然还要知其所以然，这对我们的应用具有很大的帮助。尤其是科研狗：推导肯定是重中之重了，同时对于我们来说，学习的目的就是转换成自身的资本让我们更有竞争力，面试与笔试的时候，这些推导全来了。同时还要学会如何应用（库的使用，完整项目如何构建，从头到尾的流程）

现在说的很火的深度学习是什么？

深度学习是机器学习中神经网络算法的延伸，只不过应用的比较广。深度学习在计算机视觉和自然语言处理中更厉害一些
那我学机器学习还是深度学习呀？ 一切的基础都是机器学习，做任何事情没有坚实的基础只会越来越迷茫，机器学习绝对值得你从头开始

算法推导如何开始？

找本书？找博客？找视频？ 都可以的，选择你喜欢的就好！如果有一个地方死活看不懂怎么办？很常见的情况，我也经常卡在一个地方好久，这时候有个圈子来交流当然更好（推荐找几个哥们一起，自己坚持下去好累），不过我们也可以先继续前进，等回过头来再想想，没准就想通啦！
习惯很重要，当你看别人的资料觉得掌握的差不多了，其实你明天估计就忘的也差不多了，自己动手从头开始做笔记（不是照抄人家的，是写自己的）或者博客都是很好的选择，只要你自己能写出来了才算真正的掌握！

机器学习怎么动手去做？

只有实际应用啦，才觉得没白学，那么去哪里找案例呢？最好的资源：Github，kaggle，各大资源分享点

案例的积累作用很大， 其实我们干活是什么样的呢？主要就是在模仿，我们并不是科学家，能做事才能有用的，既然人家是这么做的，并且做
的不错，那我们去模仿做出来的就是我们自己的！ 很少从头开始去写一个项目，通常都是按照之前的某种套路照搬过来，实际上大部分公司都这么做，建议大家先学会模仿，再去创作吧！

我的学习课程内容（跟随唐宇迪老师）

• Python库的讲解，常用函数的应用（只是工具）

• 算法原理推导：从零开始，对一个机器学习/深度学习算法进行推导，得出其最终的解法，评估参数对结果的影响。

• 案例实战：基于真实数据集，结合Python工具库，从数据预处理开始一步步建模完成整个案例。

• 需要这份资料的朋友，如果不介意是2017年的版本，下面是网盘链接，需要自取，一起学习共同进步：

链接：https://pan.baidu.com/s/1mOZeEVYwZXk-MEO6R_IEmw 提取码：oqq2 --来自百度网盘超级会员V2的分享

NUMPY、PANDAS、SCIPY、SCIKIT-LEARN、MATPLOTLIB的关系

在刚接触到这个方向的时候，我就是啥也不懂，NUMPY、PANDAS、SCIPY、SCIKIT-LEARN、MATPLOTLIB到底是干啥的，为什么要学习这么多东西？不妨看下面这个图，它让我瞬间搞懂了它们到底是干什么的。

另外分享一个好东西：NUMPY、PANDAS、SCIPY、SCIKIT-LEARN、MATPLOTLIB的关系以及学习资料，这篇文章写的太好了！

安装Anaconda以及遇到的问题

下载安装Anaconda

前面提到Anaconda是包含了Numpy、Scipy、pandas、Scikit-learn等常用的数据分析包，对我这种小白就是福音。关于它的下载，官方网站在国外，所以我们下载安装文件速度很慢。推荐到清华镜像下载anaconda，网速很快。
清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

拉到最下面，用最新的就行。关于安装具体步骤，参照Google 机器学习（一） 安装 Anaconda 以及 Scikit-learn 等必备库这篇文章

清华大学开源软件镜像站提供了 Anaconda 仓库的镜像，貌似还就只有这一家。

地址：http://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

打开Anaconda Prompt，输入以下命令即可添加

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

无法打开anaconda navigator的解决办法

我下载完Anaconda之后，想打开anaconda navigator，但是我一直卡在加载的页面十几分钟都打不开，所以也在网上搜索了很多方法，看着比较复杂。

其实解决这个问题需要两行代码就可以搞定。可能需要的时间长一些，我搞了两个小时，可能跟网速也有关。。。。

以管理员权限打开anaconda prompt
输入conda update conda
输入conda update --all
然后再重启anaconda navigator

参考这篇文章：无法打开anaconda navigator的解决办法

总结

总算写完了，小白刚刚入门机器学习，请多多关照，下篇将写numpy相关内容，如果认为小生写的不错，还请点个赞再走，感谢感谢！！