《机器学习系统设计:Python语言实现》一第2章 工具和技术-阿里云开发者社区

开发者社区> 华章出版社> 正文

《机器学习系统设计:Python语言实现》一第2章 工具和技术

简介:

.本节书摘来自华章出版社《机器学习系统设计:Python语言实现》一书中的第2章,作者 [美] 戴维·朱利安(David Julian),更多章节内容可以访问云栖社区“华章计算机”公众号查看

第2章 工具和技术

Python具备大量可用于机器学习任务的包库。
本章将探索以下包:
IPython控制台;
NumPy,支持多维数组、矩阵和高阶数学函数的扩展;
SciPy,包含科学公式、常数和数学函数的库;
Matplotlib,用于制图;
Scikit-learn,用于诸如分类、回归和聚类等机器学习任务的库。
要尝试这些巨大的库,你只需要有足够的空间和一项重要的技能,就是能够发现和理解各种包的参考资料。在教程风格的文档里不可能呈现所有不同的功能,因此能够不迷失在那些有时庞杂的API参考手册中就显得尤为重要。要知道,这些包多数是由开源社区放在一起的,并不会像商业产品一样具有整体结构,因此,要理解各种包的分类系统可能是混乱的。然而,开源软件的多样性,及其不断贡献的思想,是其重要的优势。
但是,开源软件的演进质量有其不足的一面,尤其是对于机器学习应用而言。例如,Python机器学习用户社区非常不情愿由Python 2升级为Python 3。因为Python 3打破了向后兼容性,特别是对数值的处理,升级相关包的过程并不简单。在写本书的时候,所有重要的包(对我而言),以及所有本书中用到的包,在Python 2.7和3x中都可以运行。Python的主要发布在Python 3版本下有一些略有不同的包。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:

华章出版社

官方博客
官网链接