标签：机器 数据 模型 学习 notebook conda jupyter 安装

1.人工智能发展必备三要素

1. 数据
2. 算法
3. 计算力
   1. 计算力之CPU和GPU的区别：
      1. CPU主要适用于I/O密集型的任务
      2. GPU主要适用于计算密集型任务

2.人工智能，机器学习，深度学习三者的关系

1. 机器学习是人工智能的一个实现途径
2. 深度学习是机器学习的一个方法发展而来

3.机器学习概述

1.机器学习的定义

机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。

2.机器学习工作流程

1. 获取数据
   1. 获取到的数据集介绍
2. 数据基本处理：比如说对数据进行去除异常值处理
3. 特征工程
   1. 特征提取
   2. 特征预处理
   3. 特征降维
4. 机器学习（模型训练）：选择合适的算法对模型进行训练
5. 模型评估：对训练好的模型进行评估
   1. 结果达到要求，上线服务
   2. 没有达到要求，重新上面步骤

3.获取到的数据集介绍

1. 数据简介
   1. 一行数据我们称为一个样本
   2. 一列数据我们成为一个特征
2. 数据类型的构成
   1. 数据类型一：特征值+目标值（目标值是连续的和离散的）
   2. 数据类型二：只有特征值，没有目标值
3. 数据分割：机器学习一般会将数据集划分为两个部分。
   1. 训练集：用于训练，构建模型
   2. 测试集：在模型检验时使用，用于评估模型是否有效

4.机器学习算法分类

根据数据集组成不同，可以将机器学习算法分为：

1. 监督学习
2. 无监督学习
3. 半监督学习
4. 强化学习

5.Jupyter Notebook的安装及使用

Jupyter Notebook相比Pycharm在画图和数据展示方面更有优势。

1.安装

安装好的Anaconda里面有Jupyter Notebook及其他工具。

2.使用

参考

1. 切换到指定工作目录下编写代码
   1. 方式1. 在notebook打开指定目录
      1. 新建一个Terminal
         
      2. 在Terminal中使用cd命令切换到指定目录
      3. 在Terminal中输入jupyter notebook
   2. 方式2：启动jupyter时打开指定的目录

   在cmd命令窗口下输入：
   jupyter notebook 项目目录
   

2. 常用快捷键操作
   1. Shift+Enter，执行本单元代码，并跳转到下一单元
   2. Ctrl+Enter，执行本单元代码，留在本单元
3. jupyter使用指定的虚拟环境：在Anaconda Prompt命令行窗口下切换到指定的虚拟环境安装nb_conda包

# 切换虚拟环境
conda activate ame
# 安装包nb_conda
conda install nb_conda

4. jupyter的函数提示

   1. 安装jupyter_contrib_nbextensions

   1. 在Anaconda Prompt下切换到指定虚拟环境下
   conda activate 环境名
   2. 安装
   pip install jupyter_contrib_nbextensions -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
   
   jupyter contrib nbextension install --user
   
   pip install jupyter_nbextensions_configurator -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
   
   

   2. 按下图操作
      

   

   3. 打开函数提示快捷键：在函数圆括号内，shift + 双击tab键

5. 显示行号
   

标签：机器,数据,模型,学习,notebook,conda,jupyter,安装
来源： https://www.cnblogs.com/xiaocer/p/16622426.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。