|
【郑州校区】机器学习第四天笔记分享 机器学习第四天的课程重难点：
1.掌握机器学习所必需的的Python基础
2.if_else while for GUI 文件 异常处理 面向对象
回顾机器学习第三天的内容：
Python特点：面向对象的解释性语言
解析器：CPython JPython IronPython PYPY
应用广泛：网络爬虫、数据科学计算、图形图像处理、语音处理
公司：豆瓣网、youtube等
Python两个版本：Python2和Python3
1.Python输出语句：print +内容 print(内容)
2.字符编码：ascii码，unicode码(encode、decode)
3.数据类型：整形、字符型、复数类型、type()
“” ‘’ '''
4.输入和输出：input
格式输出：%d %s %() 、+、，、{}.format
Python产生随机数：
创建随机数：random
使用numpy中的random(数据分布--正态分布、二项分布)
Python的数据结构：
list：[] range() () {k:v} {}
tuple:() range() [] {k:v} {}
dict:{k:v} dict(zip([],[])) dict{name="zhangsan"}
set:{1,2,3,4} 集合的交集、并集和补集操作
推导式：
列表推导式：[表达式 for 变量 in 可迭代对象中]
元祖推导式：(表达式 for 变量 in 可迭代对象中)----生成器推导式
字典推导式：{表达式(k:v) for 变量 in 可迭代对象中}
函数：lambda、zip、reduce、filter、map函数
笔记：
函数部分：
1.没有参数没有返回值
2.有参数没有返回值
3.没有参数有范沪指
4.有参数有返回值
5.全局变量
基本语法：if while for 文件操作
面向对象：class 类名(object): 函数体
GUI：tkinter
项目实践：
数据科学包的学习-Numpy Pandas scipy Matplotlib seaborn
Numpy：矩阵运算库---ndarray--np.array（可迭代对象）--np.arange(数字)---np.mat matrix
---np.linalg.det,inv,svd,qr
运算部分：矩阵的加 矩阵的乘 矩阵的除 矩阵的数乘
Pandas：数据科学运算库，基于Numpy
Scipy：数值计算、信号计算 ，基于Numpy
Matplotlib：绘图库，基于Numpy
seaborn：基于matplotlib之上的绘图库
传智播客·黑马程序员郑州校区地址 河南省郑州市 高新区长椿路11号大学科技园（西区）东门8号楼三层
| 
收藏
淘帖
踩
