延迟开学其实让我有了更多的空闲时间。人生经历了21个春秋，大学也快过半了。不像以前纠结的小伙伴，现在他们有明确的技术路线，专业的老师和前辈也都知道，而我只能在一个模糊的方向摸索。教程中首先可以确定的是，我是打算在机器学习中做机器视觉的，但是网上其实并没有详细的奶妈教程。偶然在一所中国大学慕课上找到了一门课程，叫做《Python机器学习应用》，下面附上课程链接：https://www.icourse163.org/co...与其他课程相比，这门课程最好的地方在于他在每一章代码的最后都给了我们示例，并且其中很多代码是可以运行的（前提是你要排除各种bug，配置很多环境）。之前梦云芝打下的基础，真的很重要。在梦云志的培训时间里，虽然我的技术不强，但是面对各种报错和bug，我养成了将错误翻译成中文并上网搜索的习惯，搜索资料的能力也得到了提升。空前提高。有时我会想，真的很后悔离开那里。你为什么要写这个博客？如果你不知道下一步该做什么，我们来巩固一下你之前学过的知识。尝试使用费曼技术，也许你能更好地掌握它，所以这是一篇技术含量不多的博客，如果你也是做机器学习的，遇到和我类似的bug，可以参考一下。总觉得之前虽然学过numpy和pandas，但是没有实际的项目，没有真正掌握那些东西，不知道知识才是重点。这次有了这个教程，对之前两个库的学习又是一个改进教程，整体思路不是很好，主要是把整个过程梳理一下，不过教程大概就是这个思路，什么我最喜欢这个教程的是，对于每一个算法，教程都会给出相应的应用实例和代码，当然其中很多代码copy之后是不能用的。接下来，我将回顾一下运行这些代码遇到的各种问题以及解决方法。运行调试首先需要从官方链接下载相应的数据集，https://pan.baidu.com/s/1eR7doh8顺便说一句，我用的IDE是pycharm。缺少库时，只需在相应的名称上alt+enter即可安装相应的库。感觉教程里没有安装。那些图书馆太麻烦了。代码正式开始运行。我这里学习的方式是按照视频中的讲解敲出代码，然后直接运行，不看示例代码。如果成功，则继续。如果失败，请先修复错误。如果它不起作用，请转到示例代码。如果示例代码也不起作用，我正在寻找解决方案。为什么示例代码没有运行成功？这里感觉应该是有一些库，更新了一些函数的用法。毕竟这个教程是2017年的，现在是0202了，出现这种情况很正常，顺便也能提高我们的排错能力，还是挺不错的。OK言归正传，运行k-means的示例代码时，会报如下错误：官方重命名文件也是为了让我们更好的识别这个文件。DBSCAN文件也有同样的情况。改文件名x2主成分分析（PCA）没问题，直接跑非负矩阵分解（NMF）就可以了。我们需要手动打开新生成的图片，可以看到图片已经转换成黑白改善了。当然，如果不想手动打开图片，也可以修改源码，只需要在最下面添加一行pic_new.show()即可使用电脑自带的图片浏览器打开图片，但是此时你不想用电脑自带的图片浏览器打开图片，你想在pycharm里面打开图片，怎么办？我们需要一个新库和一个新函数。当然，这里的方法绝对不是唯一的。有兴趣的可以自行寻找其他更好的方法。我在开头介绍过：fromskimageimportio最后：img2=io.imread("result-bull-4.jpg")io.imshow(img2)io.show()成功打开pycharm里面的图片。当然图片默认是被数轴包裹的。我猜这个函数应该是去掉数轴的解决方法，这里就不找了。沪指涨跌预测（用svm实现）可以看到，这里的例子代码有问题，翻译一下，就是这个“cross_validation”不能引用。用google搜索关键词，基本打开第一个，直接就有结果了，这边国外老大说这个corss_validation从v0.18开始就被deprecated了，0.20版本就去掉了这个模块，取而代之的是fromsklearn.model_selection导入cross_validate。然后我们就按照别人说的去做，基本问题解决的差不多了，然后IDE又会给出新的报错，panic？事实上，这完全没问题。如果他在这里给你一个新的错误报告，你可以继续做。查不到的地方，soeasy，但是我们这里不需要查。翻译一下，他这里说.ix已经过时了，让我们用.loc和.iloc代替。那我们就改变。这里改成.loc还是会报错，说实话，报这个错的难度超出了我现在的水平。我们尝试了.iloc然后IDE给了我们一个新的报错解决方案：然后把之前的改成：说白了就是在cross_validate中没有train_test_split，我们需要导入这个方法。对了，corss_validate的import可以去掉。运行时间有点长，不过最终还是会得出我们想要的结论。打印出分类准确率。Motionstateprediction(comparesvm,knn,decisiontree)这里遇到的问题和上一个类似。无非是函数换了个名字，或者换了个库。首先，Imputer功能被拆分。这里用SimpleImputer()代替Imputer，取消axis=0。train_test_split()与之前的修改相同。那么它看起来像这样：输入包含NaN，无限或太大的数字类型！这其实是我们之前的机会主义造成的。我们只是改了Imputer的名字，内置的参数没有变。去官方文档看了下：peopleusenp.，这里是test_size的大小不合适，我记得教程里要打乱训练集的顺序，所以把test_size调整为0。这里再看看官方文档，可以看到多了一个叫shuffle的参数，也就是说现在的shuffle=True代替原来的test_size=0.0，所以这里修改源码如下：然后就可以正常运行了，运行时间为比较长，请耐心等待最后的运行结果：线性回归源码没有问题。多项式回归的源码是没有问题的。Ridgeregression和ridgeregression感觉老师忘记给源码了，有点可惜，不过其实我感觉按照视频或者ppt做应该可以，就是想不起来了.我在做的时候遇到了错误。想了想还是决定按照ppt重新写一遍，于是就遇到了第一个问题：到了这里提示数组索引太多？别着急，先仔细看看例子ppt中的例子，你会发现这里给的数据文件的名字是data.txt但是很遗憾，这个data.txt中的数据与流量无关岭回归的流程，真正的数据文件叫做“RingRegression.csv”，不仅名字变了，格式也变了。我的印象是.xlsx和.csv文件似乎可以互操作，但是这里的.csv和.txt文件是不能接受的。我当时也试了很多次，但是我发现我试的时候只是改了文件路径的名字。其实在numpy中读取txt的方法是可以读取csv格式的文件的，那么这里为什么会报错呢？如图所示，这时候我们应该怎么办呢？其实在很多时候，排错考验的就是我们的信息搜索能力。这个问题的答案很遥远，就在我们面前。我们可以在本课程的讨论区直接搜索“岭回归”，可以看到大神分享了他的岭回归代码。赶紧点开看看吧。很明显这里读数据需要跳过。第一行仔细查看数据文件的内部。第一行是数据名称。它应该被跳过。按照大神的方法修改代码。我们也可以顺利拿到例子的结果，继续。我们遇到了之前出现的交叉验证。一定要记得在当前版本中改成规范，按照教程一路走到最后。运行文件是什么情况？我之前已经明确注释掉plt.show()。事实上，出现这种情况是因为我们不了解matplotlib.pyplot.plot()函数。我的理解是，每次调用plot()，我们都会绘制一张图像，即使后面再做其他绘制操作，之前的图像还是存在的，所以最后两幅图像重合了（仔细看，会有蓝色而不同颜色的红线，由于x轴编号过大，被“挤压”），因为我们只需要注释掉前面的plt.plot(data[:,4])即可，但是效果是没有ppt给的那么好，估计是官方老师在做的时候改了一些参数，让回归拟合得更好，至于那些参数。..原谅我现在太天真了。..神经网络（MLP）实现手写数字识别示例代码可以运行K近邻（KNN）实现手写数字识别可以直接运行自学FlappyBird游戏这是所有教程中最难的部分，除了代码思路本身，TensorFlow本身很难调用和使用，更难的是TensorFlow在2020年2月已经更新到2.0版本，而示例代码是0.7版本，不能直接运行。一开始想把TensorFlow的版本降回0.7，结果只能降到1.1，只好想其他办法。如图，后来发现TensorFlow其实还是挺良心的。他们已经想到了，你写的代码升级版本后跑不了了。他们有一个官方代码，在cmd中输入后可以直接升级你的代码适配。到新版本。附上官方文档链接：https://www.tensorflow.org/gu...然后我们按照官方教程，在cmd中进入我们的文件目录，然后输入相应的升级代码，但是还是会报错运行文件时报告。这里报错：我们搜索了问题对应的关键词，打开了前2个解释。附上前2个解释的链接https://stackoverflow.com/que...https://cloud.tencent.com/dev...总结一下，这里的代码使用了placeholder函数来创建占位符，但是从TensorFlow2.0开始，我们的操作是立即执行的。没有占位符的概念。TensorFlow默认启用EagerExecution。我知道我上面没有提到。说清楚了，没关系。我们先来了解这里的代码如何改正。至于具体原因，我们以后再说。解决方法很简单，就是在代码前面加上tf.compat.v1.disable_eager_execution()，如图，到这里，我们终于可以成功运行代码了，还是挺激动的.至此，我们已经成功运行了所有的示例代码，但是我也明白，很多代码的原理我还是不懂。我什至不知道如何使用TensorFlow。接下来就是看懂之前写的代码了。自学flappybird的pytorch版在成功使用TensorFlow2.0自学flappybird之后，我也去github上找了下，另一位高手用pytorch完成的，于是赶紧下载下来，兴冲冲的跑起来，附上git地址：https://github.com/nevenp/dqn...博客地址：https://www.toptal.com/deep-l...不幸的是，执行完第二条指令就疯了报错，关于这个错误，我在google上搜索了很多次，但没有找到解决方案。曾经想过安装torch1.0.0，但是安装之后还是报错。后来的解决方法可以说是猫瞎了眼，老鼠死了。去requirements.txt里面把torch删掉，然后就运行成功了。在目录下运行cmd，输入pythondqn.py测试成功：（忘记当时为什么改了dqn.py文件的名字，名字改了应该不会影响最后的结果）总结跟着红鸟跳下去，本篇写作结束。这是一篇有任何技术含量的博客，但我仍然认为程序员的“深厚”知识一定会为后续的机器学习打下坚实的基础。排错的能力真的很重要，看不懂一段不能运行的代码，总是让人无法接受。迷茫的是，我还不知道，为了将来的就业，我需要掌握这些机器学习的算法到什么程度？我有必要详细掌握每个算法的组成吗？或者只需要知道什么样的算法适合场景？需要的时候可以调用吗？后记写这篇文章的时候，本来想2天写完的。结果第二天停电一整天。电话是凌晨1点58分打来的。由于无聊，我从中午一直睡到下午6:30，然后玩手机一直玩到2:00。说。过了这么久，我终于完成了。后面想学习看论文的技巧，研究dqn论文。也就是这篇论文，我以前从来没看过国外的论文（也没看过中文的）https://www.cs.toronto.edu/~v...这次好像有需求。当然是想趁着疫情学爬虫，哈哈哈
