1.机器学习的基础

1.1 IDE配置及安装测试

　　工欲善其事，必先利其器。python对于机器学习来说是一个很好的选择。本系列博客采用的是python 3.6.0 + pycharm，再辅助一些机器学习库，例如numpy,matplotlib等，这些读者可以自行谷歌安装。

　　安装好以后可以运行以下代码，检测安装的效果。

import numpy as np
from numpy import *
import matplotlib.pyplot as plt

# 测试数据集
dataSet = [[-0.017612,14.053064],[-1.395634    ,4.662541],[-0.752157    ,6.538620],[-1.322371    ,7.152853],
[0.423363    ,11.054677],[0.406704    ,7.067335],[0.667394    ,12.741452],[-2.460150    ,6.866805],
[0.569411    ,9.548755],[-0.026632    ,10.427743],[0.850433    ,6.920334],[1.347183    ,13.175500],
[1.176813    ,3.167020],[-1.781871    ,9.097953]]

# print(mat(dataSet))
dataMat = mat(dataSet).T
# print(dataMat)
# plt.scatter(dataMat[0],dataMat[1],c='red',marker='o')
plt.scatter(dataMat[0].tolist(),dataMat[1].tolist(),c='red',marker='o')

x= np.linspace(-2,2,100)
y = 2.8*x+9

plt.plot(x,y)
plt.show()

运行截图：

出现这个运行状态表明主要模块安装成功。

1.2 对象，矩阵与矢量化编程

　　面向对象对于大多数程序员来说，应该是一个不陌生的概念。那么在机器学习中，对象是指什么呢？是指含有一组特征的行向量。行向量类似于我们生活中的一张表的一行，如下图：

 　　表中第一行的列表示特征的名称。所有的特征组合在一起构成一组行向量，也称作特征向量。