1.1 IDE 구성 및 설치 및 테스트
우리는 먼저 이익을해야합니다. 기계 학습 파이썬 좋은 선택이 될 것입니다. 블로그의이 시리즈는 파이썬 3.6.0 + pycharm를 사용하고 구글을 설치하는 NumPy와,하기 matplotlib, 이러한 판독기와 같은 기계 학습 라이브러리의 수를 지원.
설치 후에는 설치의 효과를 감지하기 위해 다음 코드를 실행할 수 있습니다.
가져올 NP NumPy와 같이 행 NumPy와 수입 *의 수입 PLT의 같은 matplotlib.pyplot # 测试数据集 와 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 ] #에 인쇄 (매트 (와 DataSet)) dataMat = 매트 (와 DataSet) .T의 #의 인쇄 (dataMat) #의 plt.scatter (dataMat [0] dataMat [1], C = '적색'표시 자 = 'O') plt.scatter (dataMat [0] .tolist () dataMat [1] .tolist (), C = ' 적색 ' 마커 = ' O ' ) X = np.linspace (-2,2,100 ) Y = 2.8 * X + 9 plt.plot (X, Y) plt.show ()
실행 샷 :
실행 상태의 등장은 메인 모듈 설치가 성공했음을 나타냅니다.
1.2 오브젝트 행렬 벡터 프로그래밍
대부분의 객체 지향 프로그래머의 경우, 외국의 개념해서는 안됩니다. 그래서 기계 학습에 그들은 무엇입니까 객체? 이 특징들의 세트를 포함하는 행 벡터를 의미한다. 다음과 같이 행 벡터, 우리의 삶에 테이블의 행과 유사합니다 :
테이블의 첫 번째 행의 열 기능의 이름을 나타냅니다. 모든 기능도 특징 벡터라고, 행 벡터의 집합을 구성하는 그룹화됩니다.