《机器学习项目开发实战》-课件 项目1 机器学习基础实战-环境搭建

基础实战-环境搭建配置Python基本环境CONTENTSOrderNow01任务描述02知识储备03任务实施04任务评价/01任务描述任务描述任务：安装Python和IDE选择Python3.x版本，下载对应安装包并完成安装，验证安装。选择PyCharm作为IDE进行安装和配置。完成后可开始编写和运行Python代码。/02知识储备机器学习概念多领域交叉融合涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，融合了多学科的知识和方法跨学科的优势综合各领域优势，从不同角度解决复杂问题，为其在众多领域的应用奠定了基础机器学习概念致力于研究计算机怎样模拟或实现人类的学习行为，让计算机能够像人类一样从环境中获取信息并进行学习模拟人类学习行为01使计算机通过学习获取新的知识或技能，不断提升自身的能力，以更好地应对各种任务和挑战获取新知识或技能02核心思想01核心思想在于探寻任意输入和输出数据组合之间存在的数学关系。数学关系02模型不知输入输出关系，但给予足够数据集时能猜测此关系未知关系模型与算法围绕一个可修改的数学函数构建围绕函数构建模型提供输入/输出数据组合来“训练”算法数据组合训练算法经过训练的算法能够自动确定新的输入对应的输出自动确定输出监督学习算法会接受带有标签的输入数据，每个输入数据都对应一个正确的输出，目的为输入映射到正确的输出概念01、线性回归、逻辑回归、支持向量机、决策树和神经网络常见算法02、无监督学习无监督学习处理没有标签数据监督学习处理有标签的数据数据特点发现数据中的潜在结构或模式学习目标K-means聚类、主成分分析（PCA）和自组织映射（SOM）常见算法半监督学习结合了监督学习和无监督学习的特点，是一种独特的机器学习类型特点处理部分带有标签和部分没有标签的数据数据处理强化学习算法称为智能体，智能体是学习和决策的主体主体01与环境的交互来学习，尝试不同行动，根据行动结果更新策略学习方式02找到一种策略，使智能体能够获得最大的长期奖励目标03图像识别和分类应用场景人脸识别、图像检索、物体识别等0102安防领域监控视频中的异常行为检测和人员追踪03自动驾驶识别道路标志、车辆和行人，为车辆的自主决策提供关键信息自然语言处理机器翻译、文本分类、语音识别……应用类型通过语音指令控制家电设备，提升生活便利性智能家居领域客服机器人能理解用户问题并提供准确回复，提高服务效率智能客服领域推荐系统为用户提供个性化服务，满足不同用户的需求，提高用户对平台的粘性和满意度根据用户的关注、点赞等行为，为用户推荐感兴趣的内容和好友分析用户的浏览、购买记录等行为，为用户推荐相关商品电商平台社交媒体平台个性化服务医疗诊断癌症诊断、疾病预测……应用方向01分析大量医疗数据，发现潜在疾病特征，更准确地诊断疾病提高准确性02快速处理、分析医疗数据，减少诊断时间，提高医疗服务效率提升效率03金融风控欺诈检测、信用评估……应用场景01及时发现、阻止金融欺诈行为，保护资产安全。金融保护02评估客户信用风险，合理分配信贷资源，降低违约风险风险管理03工业制造提高生产效率应用方面质量控制、异常检测实时监测生产过程数据，及时发现问题并调整生产参数，提高生产效率提升质量水平质量控制，减少次品率，提升产品质量自动驾驶视觉感知、路况识别等。视觉感知技术能识别道路环境和障碍物应用技术准确的路况识别和决策能力可以有效避免交通事故，保障自动驾驶汽车的行驶安全保障安全对各种传感器数据的分析，机器学习算法能让自动驾驶汽车做出合理的决策，实现自主行驶自主决策010203游戏智能根据玩家的行为做出不同反应应用形式创造更具挑战性和变化性的游戏场景，提升游戏的趣味性提升趣味性面临更强大的对手，增加游戏挑战性增加挑战性010203/03任务实施Python安装包下载从官网/downloads/windows/下载Python安装包。官网下载入口电脑是64位操作系统，下载DownloadWindowsinstaller(64-bit)；若是32位，下载DownloadWindowsinstaller(32-bit)。系统版本对应选择安装初始设置勾选“Addpython.exetoPATH”，添加Python路径路径添加勾选双击下载好的Python安装包，开启安装流程安装包操作自定义配置勾选路径添加选项，单击“Customizeinstallation”，进入自定义安装界面自定义操作选择安装路径路径选择操作Browse选项框中，根据自身需求选择合适的Python安装路径开始安装单击“Install”按钮，进行Python的安装PyCharm简介所属家族其他编辑器01Jetbrains家族中的一款知名产品02Java编辑器IntelliJIDEA、JavaScript编辑器WebStorm、PHP编辑器PHPStormPyCharm安装包下载/pycharm/官网访问01在官网单击“Download”，进入下载界面，有专业版和社区版两个版本下载界面02专业版功能强大但需付费，免费试用一个月社区版轻量级、永久免费，功能有限版本特点03安装选项设置勾选“创建桌面快捷方式”、“更新PATH变量（需要重启）”和“创建关联”勾选选项01勾选完成后，单击“下一步”，进入下一步02默认安装与完成默认安装设置，单击“安装”按钮，开始进行安装。默认安装单击“完成”，桌面上显示PyCharm软件快捷图标安装完成创建Python工程双击PyCharm快捷图标启动按系统提示配置“语言和地区”等初始设置启动与设置点击“新建项目”新建项目选择“纯Python”选项指定存储路径选择Python解释器点击“创建”完成项目创建创建Python文件与运行创建文件右键点击项目名称，选择“新建”-“Python文件”命名文件输入文件名，按下回车键或点击“确定”完成创建编写与运行打开新文件编写代码，可点击工具栏运行按钮或使用快捷键执行文件/04任务评价任务评价1.是否完成了Python库的安装？2.是否成功安装了PyCharm并新建项目？THANKS课程结束，谢谢观看基础实战-环境搭建AnaCondaCONTENTSOrderNow01任务描述02知识储备03任务实施04任务评价/01任务描述任务描述任务：安装AnaConda、JupyterNotebook、Scikit-learn安装AnaConda是为了搭建一个集成化的机器学习开发环境。正确安装和配置JupyterNotebook环境。成功安装机器学习库Scikit-learn。/02知识储备AnaConda包含Conda、Python等190多个科学包及其依赖项，方便用户快速上手进行数据分析、机器学习等任务丰富的科学包方便地安装、更新和管理软件包及其依赖关系。支持创建隔离的环境，帮助管理不同项目的依赖，防止不同库之间的版本冲突。管理器强大AnaCondaNavigator图形用户界面，使用户能够以视觉化的方式管理Conda环境和包界面友好支持Windows、macOS和Linux等多种操作系统，使得在不同操作系统上的项目迁移和协作变得更加容易。跨平台支持AnaConda组成Spyder专为科学计算设计的Python集成开发环境，集成了许多有用的科学库。02JupyterNotebook交互式笔记本，支持实时代码、数学方程、可视化和富文本。0301Conda不仅是一个包管理器，还是一个环境管理器。虚拟环境虚拟环境它允许开发者在同一台计算机上创建多个独立的Python环境。每个环境都可以拥有自己的Python解释器版本、第三方库和依赖项，从而实现项目间的隔离。01避免依赖冲突不同的项目可能需要不同版本的Python或第三方库。通过创建虚拟环境，可以为每个项目指定特定的依赖项和包版本，从而避免不同项目间的依赖冲突。02简化项目管理在虚拟环境中，可以轻松管理项目的依赖关系，包括安装、更新和卸载包等操作。这些操作不会影响到全局的Python环境或其他虚拟环境。03提高开发效率通过共享虚拟环境配置文件（如requirements.txt），团队成员可以确保在相同的环境下运行代码，从而提高开发效率和协作效果。虚拟环境优势及适用场景6多地部署需要在不同计算机之间部署项目并保持环境一致性的开发者。1隔离性提供了项目间的隔离性，避免了依赖冲突。2提升效率简化了项目管理，提高了开发效率。5多Python版本在不同项目中使用不同版本的Python或第三方库的开发者。3环境一致在不同计算机之间部署项目时保持环境一致性。4多Python项目需要管理多个Python项目的开发者。优势/适用场景JupyterNotebookSpyder专为科学计算设计的Python集成开发环境，集成了许多有用的科学库。02JupyterNotebook交互式笔记本，支持实时代码、数学方程、可视化和富文本。0301Conda不仅是一个包管理器，还是一个环境管理器。Part01数据分析和可视化Part02教育和研究Part03实时协作Part04算法开发和调试Part05小型项目演示JupyterNotebook应用场景01数据分析和可视化JupyterNotebook集成了Python的强大数据处理库，非常适合进行数据清洗、探索和展示。02教育和研究教育工作者可以创建包含代码、文本、图片和数学公式的文档，方便学生理解和跟进实验过程。03实时协作JupyterNotebook支持实时共享和协同编辑，这对于远程开发和学术讨论非常便利。04算法开发和调试工程师可以通过逐步执行代码块，快速迭代和测试新算法，方便代码的调试和优化。05小型项目演示JupyterNotebook可以直接展示代码如何驱动结果，无需额外部署服务器。Scikit-learn在机器学习的广阔领域中，Scikit-learn库无疑是一颗璀璨的明珠，它不仅极大地推动了机器学习技术的普及与应用，还成为了数据科学家和机器学习工程师不可或缺的工具箱。Scikit-learn特点易用性提供了涵盖分类、回归、聚类、降维、模型选择以及数据预处理等多个方面的机器学习算法高效性API设计简洁明了，易于学习和使用，降低了机器学习技术的门槛，促进了算法之间的互操作性丰富性拥有一个活跃的开发者社区和丰富的文档资源/03任务实施AnaConda下载AnaConda安装包可以在其官网下载，也可以到清华镜像或其他资源站下载。AnaConda选择AnaConda3系列。AnaConda安装虚拟环境的使用CondaactivatemyenvCondainstallnumpypandasCondadeactivateCondacreate--namemyenvpython=3.13创建虚拟环境退出虚拟环境虚拟环境安装包激活虚拟环境JupyterNotebook配置c.NotebookApp.notebook_dir='E:\\jupyter_work'webbrowser.register("360",None,webbrowser.GenericBrowser(r"你的360浏览器路径"))pipinstalljupyter_contrib_nbextensionsjupytercontribnbextensioninstall--userjupyternotebook--generate-config生成配置文件安装扩展插件设置默认浏览器配置工作目录JupyterNotebook页面安装Scikit-learn库pipinstall--upgradepip或pip3install--upgradepippipinstallscikit-learn或pip3installscikit-learnp