Anaconda说明
- 学习Python的时候，使用者需要耗费时间下载对应的库（理解为Python的武器）......
- 一家数据公司想让Python的使用更加便利，于是anaconda诞生了
- anaconda相当于一辆运输车，不仅包含了Python，还附有Python所有的库
- anaconda = python + 第三方库 + IDE（jupyter notebook和spyder）
- 新手建议直接安装Python使用，在需要安装库的时候安装，不在环境上耗费过多精力
conda说明
一个开源的软件包管理系统和环境管理系统
包管理：安装、更新、卸载软件包；具有不同的软件源；自动解决包的依赖关系
环境管理：允许创建多个独立环境，每一个环境可以有不同的Python版本和不同的软件包组合，避免了项目之间的软件冲突；方便切换、复制、分享环境
跨平台支持：可以为不同平台的用户提供一致的使用体验
总而言之，conda是一个工具（可执行程序），核心功能是包管理和环境管理，对虚拟环境的创建和删除等操作需要conda命令
tensorflow说明
- 谷歌基于DistBelief研发的第二代人工智能学习系统
- 被广泛应用的开源机器学习框架
- 核心概念：张量、计算图
- 应用领域：机器学习、自然语言处理、计算机视觉、医疗影像分析......
环境使用说明
配置Anaconda源：
- Anaconda的下载源默认在国外，我们需要配置我们国内的源，否则下载速度非常缓慢，并且可能会因为网速过慢而下载失败
- 配置方法：打开 Anaconda prompt 执行以下命令，将清华镜像配置添加到Anaconda中
- 然后我们可以输入conda info命令，查看channel URLs，观察是否成功更换Anaconda源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
创建虚拟环境：
- 我们创建一个虚拟环境之后，可以在这个环境中配置我们需要的包，运行我们的程序
- 创建虚拟环境的命令：conda create -n 环境名 python=x.x.x -y
- 激活虚拟环境的命令（虚拟环境激活后才能使用，也可以理解为进入这个虚拟环境）：activate 环境名
- 激活虚拟环境之后，我们可以看到虚拟环境从base变成了test，接下来我们可以在这个虚拟环境中安装我们需要的安装包，命令为 conda install 包名称
使用conda安装第三方包
- 使用conda在当前虚拟环境下载第三方包：conda install 包名称
- pip只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用pip进行安装包，则需要先切换到指定环境中，再使用pip命令安装包（conda可以指定环境安装第三方包）
- pip无法更新python，因为pip并不将python视为包
- 在某一个虚拟环境安装的第三方包，无法在其他虚拟环境中使用
- 查看虚拟环境安装的第三方包：conda list
- 测试第三方包是否安装成功：进入包所在的虚拟环境中；进入Python环境；输入命令import 包名称；如果没有报错，则说明成功导入了这个第三方包
- 退出当前环境：conda deactivate(如果你之前用过conda activate xxx多次进入不同的环境操作之后，然后使用conda deactivate是返回上一层的环境)
- 删除当前环境的包：conda remove 包名称
机器学习绪论
达特茅斯会议
- 人工智能的起点
- 主题：用机器来模仿人类学习以及其他方面的智能
- 1956年成为了人工智能元年
人工智能、机器学习和深度学习的关系
- 机器学习是人工智能的一个实现途径
- 深度学习由机器学习的一个方法（人工神经网络）发展而来
机器学习的领域
- 传统预测
- 图像识别
- 自然语言处理
机器学习：从数据中自动分析获得模型，然后利用模型对未知数据进行预测
人类从大量的日常经验中归纳规律，当面临新的问题时，就可以利用以往总结的规律去分析现实的状况，采取最佳策略
机器从数据（大量的猫和狗的图片）中自动分析获得模型（辨别猫和狗的规律），从而使机器拥有识别猫和狗的能力
机器从数据（房屋的各种信息）中自动分析获得模型（判断房屋价格的规律），从而使机器拥有预测房屋价格的能力
如下图所示
历史数据的格式：数据集 = 特征值 + 目标值
每一行数据我们可以称之为样本
有一些数据集可以没有目标值
机器学习算法分类
监督学习：
定义：输入数据是由输入特征值和目标值所组成，函数的输出可以是一个连续的值（回归），或者是有限个离散值（分类）
目标值为类别（判断图片是猫还是狗），属于分类问题
分类算法：k-近邻算法、贝叶斯算法、决策树与随机森林、逻辑回归
目标值为连续性数据（预测房价），属于回归问题
回归算法：线性回归、岭回归
无监督学习：
输入数据是由输入特征值所组成
没有目标值
算法：聚类k-means
机器学习开发流程
学习心得体会：
- 算法是核心，数据与计算是基础
- 找准定位（使用算法而非设计算法）
- 先学习相关视频入门，后学习实战类书籍，再提升内功（弄懂原理）
- 机器学习框架：tensorflow
