1.Python环境及pip list截图
pip list截图
2.视频学习笔记
1.机器学习是人工智能的一个分支，就是使它能够根据提供的训练数据按照一个的方式学习，然后不断改进、优化学习模型，并有预测相关问题的输出。
2.机器学习与数学有很大的关系，现在人工智能也已经广发应用，有无人驾驶机等等。
3.器学习由于和高等数学有很大关系，因此就与许多的数学函数有关、也和分类得到预测有关，例如：函数、导数、积分、Taylor公式、凸函数，甚至还有概率论等等。
4.机器学习的一般流程：数据收集、数据清洗、特征工程、数据建模。机器学习方法：Nearest Neighbors、Linear SVM、RBF SVM、Decision Tree、Random Forest、AdaBoost、Naïve Bayes、Linear Discriminant Analysis、线性回归、EM算法、去均值ICA分离、带噪声的信号分离、SVM。在pthton当中可以导入相关的库、包然后使用。
5.numpy用于创建数组
6.array为列表包括数组，类型为numpy.ndarray
7.shape为创建可自我定义尺寸的数组
8.astype、dytpe更改元素类型
9.arrange指定起始值、终止值和步长来创建数组
10.linspace通过起始值、终止值和元素个数来创建数组（可通过endpoint关键字指定是否包括终值）
11.inspace创建等比数列
12.可用下标法寻找数组里面的元素
13.图形展示要用到plot.show
3.什么是机器学习，有哪些分类？结合案例，写出你的理解。
在大数据、物联网、云计算在不断的快速发展情况下，人工智能也随之得到了快速发展，互相之间利用、互承。机器学习是人工智能的核心，涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域，因此人工智能得到了大发展。现在的机器学习更多是利用数据改善系统自身的性能。利用这些数据做到对未来预测。
机器学习的发展过程分三个阶段：逻辑推理期、知识期、学习期。
机器学习分类：监督学习、无监督学习、半监督学习、强化学习。
而①监督学习是利用已标记的有限训练数据集，通过某种学习策略/方法建立一个模型，实现对新数据/实例的标记（分类）/映射。监督学习要求训练样本的分类标签已知，分类标签的精确度越高，样本越具有代表性，学习模型的准确度越高。
②无监督学习：无监督学习是利用无标记的有限数据描述隐藏在未标记数据中的结构/规律。无监督学习不需要训练样本和人工标注数据，便于压缩数据存储、减少计算量、提升算法速度，还可以避免正负样本偏移引起的分类错误问题，主要用于经济预测、异常检测、数据挖掘、图像处理、模式识别等领域，例如组织大型计算机集群、社交网络分析、市场分割、天文数据分析等。
③半监督学习：是利用少量的标注样本和大量的未标注样本进行训练和分类，从而达到减少标注代价、提高学习能力的目的。
④强化学习：智能系统从环境到行为映射的学习，以使强化信号函数值最大。由于外部环境提供的信息很少，强化学习系统必须靠自身的经历进行学习。