體驗機器學習編程

最近看有人發了機器學習的培訓挺便宜的，就嘗試了一下。

講的比較基礎，很適合入門，用來了解這個行業。即便不從事此行業，用工具去畫一個數學模型的圖也是好的。

其餘的各類機器學習概念，高數離散等數學基礎知識都同樣，沒什麼可寫的。

只有安裝的工具和使用方法，值得記錄一下。

1.安裝anaconda

到anaconda官網，下載安裝就行，不過記住安裝的時候選上註冊環境變量，要否則使用起來麻煩。

2.安裝jupyter notebook

打開命令終端，執行命令conda install jupyter

3.啓動jupyter notebook

打開命令終端，執行jupyter notebook，而後發現它會自動打開你的瀏覽器，顯示一個頁面。

4.執行程序

(1)把要分析的文件在操做頁面上上傳，

(2)在右側有個"new"按鈕，點擊new->python3

(3)在命令終端上執行機器學習代碼：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
#顯示前幾行
data = pd.read_csv("data/Advertising.csv")
data.head()

#查看列標題
data.columns

#數據可視化
plt.figure(figsize=(16,8))
plt.scatter(data['TV'],data['sales'],c='black')
plt.xlabel("Money spent on TV ads")
plt.ylabel("Sales")
plt.show()

#訓練線性迴歸模型
x = data['TV'].values.reshape(-1,1)
y = data['sales'].values.reshape(-1,1)

reg = LinearRegression()
reg.fit(x,y)

#打印結果
print('a = {:.5}'.format(reg.coef_[0][0]))
print('b = {:.5}'.format(reg.intercept_[0]))

print("線性模型爲：Y = {:.5}X + {:.5} ".format(reg.coef_[0][0], reg.intercept_[0]))

#畫出預測曲線
predictions = reg.predict(x)
plt.figure(figsize=(16, 8))
plt.scatter(data['TV'], data['sales'], c = 'black')
plt.plot(data['TV'], predictions, c = 'blue', linewidth=2)
plt.xlabel("Money spent on TV ads")
plt.ylabel("Sales")
plt.show()

#預測當投入100億時的結果
predictions = reg.predict([[100]])
print('投入一億元的電視廣告，預計的銷售量爲{:.5}億'.format( predictions[0][0]))

predictions = reg.predict([[100],[200],[300]])
print('投入一億、二億、三億元的電視廣告，預計的銷售量分別爲爲{:.5}、{:.5}、{:.5}億'.format( predictions[0][0], predictions[1][0], predictions[2][0]))

View Code

基本的入門流程就是這樣，剩下的就是學習各類數學模型，用需求驅動，各類實踐了。

參考地址：

https://zhuanlan.zhihu.com/c_1122543639770791936