美麗生靈
生日快樂
人工智慧現在越來越火熱，逐漸走進人們的視野中，利用人工智慧由自動駕駛、語音識別、影象處理等，這些火熱的發展也離不開硬體的發展，也離不開機器學習的計算機演算法--讓機器模擬人、思考、學習；實現演算法最主要的是用到python語言，就要用到numpy、pandas以及matplotlib和tensorflow介紹用python實現機器學習。
通用處理步驟：資料的採集、資料的預處理、資料的清洗、資料的建模以及測試
資料的採集一般採用調查問卷、網路資訊的採集進行收集和整理；收集的資料將單位進行統一，格式進行調整，就完成了資料的預處理工作；資料的預處理當中會有一些缺失值、異常值，這些值進行刪減得到優質的資料，利用這樣的資料結合我們要處理的事情設計相應的演算法，將資料傳給機器，通過資料和演算法就得到了計算結果，這個結果通過測試的話，這個演算法就是達到要求的，建立成模型，然後應用於自動駕駛等
numpy庫--資料預處理
對於資料預處理非常重要的庫，用於高效能科學計算和資料分析，是常用的高階資料分析庫的基礎包。
windows安裝numpy庫
1.開啟終端->輸入pip install numpy
2. 輸入import numpy as np執行成功
numpy的陣列與資料型別
numpy與列表非常相似，但是比列表的使用更高階，它可以自動獲取相應的資料型別，在這裡定義乙個numpy的array陣列的結構
小數是否回自動轉換呢
根據輸入的型別自動轉換資料型別
數**算
numpy資料和標量的計算標量和物理上的概念有大小沒有方向，numpy陣列和標量可以直接編寫，不需要迴圈。
numpy定義多位資料-二維陣列
二維資料也稱為矩陣
#定義全為0的3行5列的矩陣import numpy as npprint(np.zeros((3,5)))#定義全為1的4行5列的矩陣import numpy as npprint(np.ones((4,5)))#定義全為空的的矩陣import numpy as npprint(np.empty((2,3,2)))
可以發現為空的還是現實資料，可以說明置為空的矩陣是不安全的
numpy陣列的索引和切片
numpy陣列可以像python的序列一樣進行切片運算。
使用numpy的range樣例
import numpy as npprint(np.arange(10))#arange與python自帶的range相似import numpy as nparr4=np.arange(10)print(arr4[5])獲取部分資料
import numpy as nparr4=np.arange(10)print(arr4[5:8])import numpy as nparr4=np.arange(10)#arange與python自帶的range相似arr4[5:8]=10print(arr4)import numpy as nparr4=np.arange(10)#arangearr4[5:8]=10print(arr4)arr_slice=arr4[5:8].copy()arr_slice[:]=15print(arr_slice)機器學習任務的一般步驟
1.確定特徵 選取合適的資料和特徵可能是最重要的步驟，也包括資料的預處理或清洗，通常可以稱之為特徵工程。2.確定模型 確定目標函式及決策邊界的形狀。可選擇多個模型進行比較。3.模型訓練 根據訓練資料估計模型引數。4.模型評估 這裡要區分兩個概念 模型選擇 估計不同模型的效能，選出最好的模型。通常在校...
機器學習應用的一般步驟
在我們準備用機器學習構建乙個分類器來處理實際問題時，還需要做些其他的準備工作 1.根據你的問題選擇一種合適的機器學習方法，因為每種機器學習的演算法都有各自不同的特點，能適應的場景也不同，所以選擇合適的機器學習方法事半功倍。2.根據你的問題選擇合適的特徵來進行分析，因為事物之間都有自己的特徵，選擇好事...
費用流的一般模版
參考博文 struct edge edge maxn char mp maxn maxn int head maxn dis maxn vis maxn pre maxn tot int s,t,n,m void init void addedge int u,int v,int w,int cos...