【学习打卡】第2天 Python3入门机器学习

介绍

课程名称：Python3入门机器学习 经典算法与应用 入行人工智能
课程章节： 2-5，2-6，2-7，3-1，3-2，3-3
主讲老师：liuyubobobo

今日内容

今天听讲的内容可以分为两部分，
第一部分是，关于机器学习概念的下半部分，有部分内容值得深思。
第二部分是，关于框架的搭建，jupyter notebook的使用方法，魔术方法

第一部分

1.数据对于机器学习的重要性与方面

• 收集更多的数据
• 提高数据的质量
• 提高数据的代表性
• 研究更重要的特征

第二部分

1.框架的搭建

现在框架的搭建都很方便，利用Anaconda就能集成安装pycharm,jupyter notebook

2.jupyter notebook的使用方法

学习了一些常用的快捷键

• a-前加一个代码框
• b-后加一个代码框
• ctrl+enter-运行代码
• shift+enter-运行代码并加一个代码框
• d+d-删除代码框
• m-使用m的语法写文字

3.jupyter notebook魔术方法

• %run

  常见用法:%run ../basic_learning/hello.py
  意义:加载此目录下的文件，同时包含该文件中的函数

• %timeit

  常见用法1:%timeit K=[i**2 for i in range(1000)]
  意义1:计算后面这一句函数的多次平均运行时间（通过算法智能地选择进行几次循环，来选出最快的三次地平均值，来当成此函数的计算时间）

  常见用法2:%%timeit L=[] for i in range(1000): L.append(i**2)
  意义2:计算后面这一段函数的多次平均运行时间

• %time

  常见用法:%time K=[i**2 for i in range(1000)]
  意义:计算后面这一句函数的单次运行时间

• 其他魔法命令

%lsmagic 查看其他的魔术方法
%run? 加上问好来看此代码的解释文档

今日收获

对于liuyubobobo老师的前几节，介绍数据与算法的关系，我有所思考，好像有些收获

思考：

• 数据为王还是算法为王
• 现阶段机器学习还是以收集数据和处理数据为主
• 算法仍然需要大量的数据才能准确预测
• 那么将来的发展方向是，能收集更多的数据，数据特征，或者自动获取数据，在线获取数据？
• 还是发展算法，发展到类似人脑的复杂算法，仅仅通过少量数据达到高准确率的方式？
• 两个方向侧重不同，数据方向似乎是一种更"务实"选择，而我认为发展算法的高级性才能产生质的飞跃。

截图: