高中教学仪器厂家机器学习入门-第1课

　

关于预习课程

以及如何安装自己下载的拓展程序（我自己一开始失败了好几次）：

关于正式课程

视频的前半段主要介绍了机器学习，概念及相关领域、分类——监督学习和无监督学习，以及各自的分类。这些因为之前多少看过，也是快速浏览了一遍，我主要的精力还是放在最后的实践上了。

最后的实践是一个非常简单的案例，当然这里的简单是指案例内容简单，但是涉及到的东西对我而言很多是新东西，所以还是花了很多时间来学习的。

案例实现的结构并不复杂：读入并显示（图表化）数据——用已知数据对线性回归模型进行训练，然后进行预测。整个过程在jupyter上实现，利用了Pandas、numpy、matplotlib.pyplot、sklearn几个库，因为对以上几个并不是很熟悉，所以我花了比较多的时间来了解如何使用他们。下面是我参考的内容：

Pandas相关操作：

numpy相关操作：

matplotlib.pyplot相关操作：

jupyter notebook相关：

因为只是想简单了解，日后通过实践来完善，所以没有很系统的整理，对以上内容也只参考了具体操作的一些函数，了解库的大致功能之类的。不过jupyter意外得好用，确实很适合边敲代码边做笔记，而且支持多种保存格式，还是很方便的。

具体的实现部分因为作业和课堂讲解的实例基本一致，所以我也只是对原有代码做了一些修改，过程中针对不太清楚的细节做了一些了解。下面贴出结果：

个人的感想

1，中间遇到了一次文件打开错误，一致解决不了，于是去群里提问，好在助教回应及时，很快也解决了我上午花了很长时间也没解决的问题，结果也说明这只是一个细节问题，但是对于初学者而言，不得要领可能就要花很长时间也解决不了。

学习的过程交流真的很重要，及时的交流和沟通可以给自己减少很多麻烦

2，如何提高目前这种 类型 的自学效率

首先，我自学的过程中很容易没有目标，有了问题去搜索，搜索中又遇到新的问题，就会继续找，这样很容易迷失在一个又一个问题链中，而且这些问题本身并不具有结构性，即便现在看明白了，没有系统的学习过和复习，很可能又会忘记。所以对于这个问题 ，我想可以限制跳转的次数，只对当前学习过程中的问题进行解决，其他细节暂时跳过。

另外，就是对自己已知的知识要快速过，对不会的片段也不必停下来硬磕，可以记录下来，等整个学习结束后再 来看，可能就会解决