【文件属性】：
文件名称：matlab提取文件要素代码-python-ml:使用Python进行机器学习。只是探索
文件大小：9KB
文件格式：ZIP
更新时间：2021-05-21 16:22:17
系统开源
matlab提取文件要素代码使用Python进行机器学习
关于使用Python学习机器学习的注意事项。
目的是学习机器学习范围内与Python相关的库和工具。
可用语言
显然，我们可以用多种语言编写机器学习代码，但是在机器学习的范围内，有四种语言处于领先地位。
（Python）[]
由于其简单性和柔和的学习曲线，它现在是比赛的领先者。
对于编程和机器学习的初学者来说，这是特别好的和成功的。
图书馆的生态系统和社区的支持是巨大的。
（R）[]
它是为统计分析和可视化而设计的，经常用于解锁大数据块中的模式。
借助RStudio，开发人员可以轻松构建算法和统计可视化。
它是Matlab等较昂贵的软件的免费替代品。
（Matlab）[]
对于复杂的数学，它是快速，稳定和安全的。
它被认为是数学家和科学家的硬核语言。
（Julia）[]
专为处理数值分析需求和计算科学而设计。
基本的Julia库已与C和Fortram开源库集成在一起。
Jupyter和Julia社区之间的协作，为Julia提供了强大的UI。
选择语言时应考虑的一些重要点是：
速度。
学习曲线。
成本。
社区支持。
生产率。
在这
【文件预览】：
python-ml-master
----004-pd-dataframe.py(243B)
----001-numpy-example.py(154B)
----010-plt-pie-charts.py(462B)
----007-plt-bar-charts.py(397B)
----005-plt-example.py(160B)
----008-plt-histograms.py(418B)
----README.md(14KB)
----009-plt-scatter-plots.py(372B)
----003-np-array-vs-python-speed.py(361B)
----.gitignore(23B)
----006-plt-line-plot.py(330B)
----002-np-array-vs-python-memory.py(189B)