pca算法的优缺点 要如何开始从零掌握Python机器学习？

要如何开始从零掌握Python机器学习？

我已经使用Python 7年多了，现在我正在从事视频对象识别算法的开发，使用的是同样基于Python语言的tensorflow。Python是一种解决所有问题的语言，值得拥有

！我从2012年开始学习机器学习，因为没有指导，我走了很多弯路，浪费了很多时间和精力。一开始，我读了《机器学习实践》一书。虽然我不懂，但我还是把书中所有的例子都跑了一遍，渐渐发现自己不懂算法也能达到预期的效果。然后，我会直接开发我想要的程序。当我遇到需要机器学习的部分时，我会直接复制它。一周后，演示会出来。在这个时候，你会发现你已经开始了。剩下的就是理解每种算法的范围和局限性。

不要掉进无休止的书堆里，练习和做项目

！呃，地铁到了。我要去工作了。我还没做完呢。有机会的话我会继续讨论的

对于那些使用过几种开发语言（Java、C#、nodejs、Erlang）然后转用Python进行机器学习的人，我想谈谈我的看法。

首先，Python真的很慢吗？我的回答是真的。非常慢。for循环比CPP慢两个数量级。

那么为什么要使用Python呢？如果我们遍历超过一亿个数据，两个数量级的差异是不可接受的。但是，如果我们使用Python来执行顶层逻辑并阻塞数以亿计的数据，Python只会循环十几次，剩下的就留给CPU和GPU了。所以两个数量级无关紧要？一毫秒和100毫秒在整个系统中并不重要。

Python最大的优点是它可以非常优雅地将数据抛出到高效的C、CUDA中进行计算。Numpy、panda、numba这些优秀的开源库可以非常方便高效地处理海量数据，借助ZMQ、cell等还可以做分布式计算，gevent借助epoll系统IO优化。因此，它不需要花费太多的精力就可以优雅高效地完成海量数据处理和机器学习任务。这就是Python如此流行的原因。

好好想想。同样的性能，代码只有CPP或Java的三分之一或更少，不是很吸引人吗？

Python语言其实很慢，为什么机器学习这种快速算法步骤通常还是用呢？

感谢您的邀请：作为一种非常流行的语言，python有着广泛的应用场景。事实上，许多开发语言可以用于不同的领域。Python不是为特定目的而产生的。但是，它是一种通用的脚本语言，也称为glue语言。Glue意味着Python可以在C语言接口的帮助下驱动几乎所有已知的软件和模块。只要我们使用它，你通常可以找到一个开源库。安装后，您可以驱动它。无论是数据库、网络、互联网、图形、游戏、科学计算、GUI、OA、自动控制，甚至宇航员都在使用它。

现在我们来谈谈Python，它可以用来做：

1。系统编程2。图形处理3。数学处理4。文本处理5。数据库编程6。网络编程7。网络编程8。多媒体应用9。Pymo发动机10。黑客编程11。用Python12编写的简单爬虫：人工智能

看到这么多应用场景非常强大，但Python通常不会作为工程语言出现。也就是说，常规软件生产不使用它。主要使用Java，C#，XML，C。至于为什么，这是软件工程的需要。Python没有完整的语法检查。

但它现在不影响Python的状态。很多人加入Python的大军是因为Python很容易入门，而且学习成本相对较低。它有一个丰富的支持库，可以直接调用，以高效地完成不同需要的工作。

你知道，谷歌最早的搜索引擎是由python编写的。

希望我的回答能对你有所帮助。我是bang-bang-Skylearn，tensorflow（包括tensorflow的高级包keras），pytorch-Python有很多优秀的库，实现各种机器学习算法非常方便。为什么要自己造轮子？

您可以查看最近发表的关于机器学习算法的论文。许多论文都有开源的支持代码。这些代码基本上基于各种框架实现模型，很难从头开始实现。

制作自己的控制盘不仅编写起来很麻烦（它还假设您的控制盘在语义上是正确的并且性能良好），而且还不方便其他人阅读。

许多人过分主张从头开始写x，想自己写所有东西，而不屑使用tensorflow和其他框架。但是，tensorflow不使用它。努比呢？因此，这种想法是不可取的。

当然，这不是绝对的。以下情况除外：

pca算法的优缺点 pca是什么意思 pca人脸识别python实现

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。