机器学习 - 1.0 - Ubuntu搭建Python科学计算环境

本文介绍了机器学习的基本概念,区分了监督学习与非监督学习,并详细记录了在Ubuntu环境下搭建Python科学计算环境的过程,包括安装必要的软件包及验证numpy库的使用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

meadowair@20150125

写在前面的话

机器学习-从无序海量的数据中抽取出有用的信息,方法可分为监督学习和非监督学习两大类,监督学习的主要任务(算法)是分类和回归,通过特征来预测目标变量的值,非监督学习的主要任务(算法)是聚类和密度估计,通过特征分组或者估计分组的相似程度,监督学习与非监督学习最显著的区别是否预测目标变量的值。

希望能掌握的知识点

机器学习应用的一般方法

使用Python语言开发机器学习算法原型

Python科学计算环境

学习机器学习需要掌握大量线性代数、概率统计等数学知识,算法实现使用Matlab应该算是最佳选择,不过本次学习我打算在Ubuntu上实现,因此选择了Python语言,开始之前需要在Ubuntu上搭建Python科学计算环境,命令

sudo apt-get install python

sudo apt-get install python-pip

sudo apt-get install python-dev

sudo apt-get install numpy

sudo apt-get install scipy

sudo apt-get install matplotlab

至此已搭建好Python科学计算环境,在Ubuntu终端中输入python启动外壳程序,输入代码验证

>>>from numpy import *;

引入numpy库

>>>A=mat(random.rand(4,4));

创建4x4的随机矩阵

>>>B=A.I;

计算逆矩阵

>>>C=A*B;

矩阵相乘等于单位矩阵




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值