Python3入门机器学习 - Jupyter Notebook篇

简介: 注:该系列学习笔记均是本人学习慕课网实战视频Python3入门机器学习经典算法与应用的感想和心得,请支持正版安装我们搭建及其学习所需要的环境,可以使用名为ACACONDA的集成工具来进行一键安装,在Acaconda的官网下载安装后,可以得到...

注:该系列学习笔记均是本人学习慕课网实战视频Python3入门机器学习经典算法与应用的感想和心得,请支持正版


安装

我们搭建及其学习所需要的环境,可以使用名为ACACONDA的集成工具来进行一键安装,在Acaconda的官网下载安装后,可以得到


img_ef5902e38d5a219ca4731a3732891acc.png
Machine Learning

更改工作路径

使用ANACONDA安装的Jupyter NoteBook,在Anaconda prompt 中直接使用指令Jupyter Notebook指令打开Jupyter Notebook,会以默认的%UserProfile%路径作为工作路径,而每次打开Jupyter都要输入一遍指定路径又很麻烦,因此我需要改变默认的工作路径

  1. 首先需要注意的是,使用Anaconda安装的jupyter notebook,默认是没有将安装路径置入环境变量的,因此我们无法直接在CMD运行Jupyter的任何命令,因此我们要使用Anaconda prompt来执行命令
  2. 打开Anaconda prompt后,执行jupyter notebook --generate-config后,会在当前目录下生成一个配置文件夹,里面就包含我们需要的配置文件
    img_14de8987f419680f03f56b35a4db8d63.png
    img_c045702abe58cda7563eee6cfc4385a3.png
  3. 打开该配置文件,在文件的图示位置,取消掉注释键#,将后文改为自己想要的路径即可
    img_5e668ca187b79e6c80cbecab8a6de890.png
  4. 这时,如果使用Anaconda prompt运行命令进入jupyter是可以进入你设置的路径,然而通过快捷方式依然会打开之前的默认目录,因此需要更改快捷方式指向的目标
    img_630a56a9ee2ed8325dbcf371a06e276c.png

    将最后的%USERPROFILE%删掉,这时无论是快捷方式启动,还是命令行启动,都会进入你所设置的工作路径



常用指令

菜单栏

img_4940a2a92198544b4d8efc618ae6b3df.png
菜单栏
  • 在菜单栏Help中的keyboard shortcuts中可以查看常用快捷键
  • 在View中可以选择页面布局,在其中可以选择是否显示代码行数
  • Cell中可以选择代码类型,Cell type中可以修改代码为Markdown,以此来为代码添加文本注释
  • Kernel中可以选择 Restart & Run all,重新按顺序运行所有代码,防止在Jupyter Notebook编辑器中使用了未定义的变量(Jupyter Notebook是按照Cell执行顺序来执行代码的,而不是按照代码书写顺序,为了代码的严谨性和可读性,尽量避免在文本下方定义变量后在文本上方使用它)

魔法指令

%run

%run 相对路径/python文件名 可以运行该Python文件

  1. 创建了一个名为Test%Run.py的文件
    img_5bd7ebb29066dbabc2b1d00cab9ecb00.png
  2. 在Jupyter中使用%run命令运行刚才的脚本后的结果
    img_71d16c0ec1cfdc5f7e04f01476d8c55a.png
  3. 同时Jupyter依然保存了脚本中定义的变量word和函数say()

如果想要import入想要的python包,用法和python3完全一样,直接在Cell中输入import 相对路径/包名即可

%timeit和%time

%timeit和%time是用来计量python语句或语句块执行所需要的时间的

%timeit python语句可以计量单个python语句要消耗的时间,%timeit会将执行时间很短的语句重复较多次,取平均时间作为计量结果,如果执行时间很长则相应减少执行次数
%time用法与%timeit一致,不过%time永远只将语句执行依次
%time%timeit都只能执行单个语句,想要执行程序块,使用%%timeit即可,%%timeit将会执行在当前Cell里的所有语句

示例:
img_6e3ec28716b778c7fdcf1904c63ef630.png
%lsmagic

该命令可以将所有Jupyter的魔法命令打印出来


文档查阅方式

当想要在Jupyter中直接查询你需要调用的模块或者函数的文档,可以直接使用如下命令
help(numpy.random.normal)
numpy.random.normal?
图例是查询numpy库下的random.normal函数,结果:

img_fc74798278a1c25ab0cbaa1fd3252888.png
help(numpy.random.normal)
img_71c2ee42785ef5777aabc002a5e2afc6.png
numpy.random.normal?

目录
相关文章
|
4月前
|
机器学习/深度学习 数据采集 算法
深入了解机器学习:从入门到应用
【10月更文挑战第6天】深入了解机器学习:从入门到应用
|
2月前
|
机器学习/深度学习 传感器 运维
使用机器学习技术进行时间序列缺失数据填充:基础方法与入门案例
本文探讨了时间序列分析中数据缺失的问题,并通过实际案例展示了如何利用机器学习技术进行缺失值补充。文章构建了一个模拟的能源生产数据集,采用线性回归和决策树回归两种方法进行缺失值补充,并从统计特征、自相关性、趋势和季节性等多个维度进行了详细评估。结果显示,决策树方法在处理复杂非线性模式和保持数据局部特征方面表现更佳,而线性回归方法则适用于简单的线性趋势数据。文章最后总结了两种方法的优劣,并给出了实际应用建议。
133 7
使用机器学习技术进行时间序列缺失数据填充:基础方法与入门案例
|
3月前
|
机器学习/深度学习 数据采集
机器学习入门——使用Scikit-Learn构建分类器
机器学习入门——使用Scikit-Learn构建分类器
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI的奥秘:机器学习入门指南
【10月更文挑战第30天】本篇文章是一份初学者友好的机器学习入门指南,旨在帮助读者理解并开始实践机器学习。我们将介绍机器学习的基本概念,包括监督学习、无监督学习和强化学习等。我们还将提供一些实用的代码示例,以帮助读者更好地理解和应用这些概念。无论你是编程新手,还是有一定经验的开发者,这篇文章都将为你提供一个清晰的机器学习入门路径。
65 2
|
3月前
|
机器学习/深度学习 人工智能 算法
机器学习基础:使用Python和Scikit-learn入门
机器学习基础:使用Python和Scikit-learn入门
47 1
|
3月前
|
机器学习/深度学习 数据采集 人工智能
机器学习入门:Python与scikit-learn实战
机器学习入门:Python与scikit-learn实战
107 0
|
3月前
|
机器学习/深度学习 算法 Python
机器学习入门:理解并实现K-近邻算法
机器学习入门:理解并实现K-近邻算法
56 0
|
4月前
|
机器学习/深度学习 人工智能 算法
机器学习基础:使用Python和Scikit-learn入门
【10月更文挑战第12天】本文介绍了如何使用Python和Scikit-learn进行机器学习的基础知识和入门实践。首先概述了机器学习的基本概念,包括监督学习、无监督学习和强化学习。接着详细讲解了Python和Scikit-learn的安装、数据处理、模型训练和评估等步骤,并提供了代码示例。通过本文,读者可以掌握机器学习的基本流程,并为深入学习打下坚实基础。
45 1
|
4月前
|
机器学习/深度学习 人工智能 算法
机器学习基础:使用Python和Scikit-learn入门
本文介绍了如何使用Python和Scikit-learn进行机器学习的基础知识和实践。首先概述了机器学习的基本概念,包括监督学习、无监督学习和强化学习。接着详细讲解了Python和Scikit-learn的安装、数据处理、模型选择与训练、模型评估及交叉验证等关键步骤。通过本文,初学者可以快速上手并掌握机器学习的基本技能。
114 2
|
4月前
|
机器学习/深度学习 人工智能 数据挖掘
机器学习基础:使用Python和Scikit-learn入门
【10月更文挑战第6天】在人工智能领域,机器学习已成为核心技术。本文指导初学者使用Python与Scikit-learn入门机器学习,涵盖基本概念、环境搭建、数据处理、模型训练及评估等环节。Python因简洁性及其生态系统成为首选语言,而Scikit-learn则提供了丰富工具,简化数据挖掘与分析流程。通过实践示例,帮助读者快速掌握基础知识,为进一步深入研究奠定坚实基础。
53 4

热门文章

最新文章

推荐镜像

更多