作者：刘算法来源：恒生LIGHT云社区一、前言作者在之前的文章中介绍了算法学习入门的一些方法和技巧。其中包含了我自己的一些学习心得和实践方法。但是，空谈法难免有些空洞，所以从现在开始，我会系统地讲述算法入门应该需要的技巧、算法原理和思路。这将是一系列课程。将先发布文本版本，稍后更新细节或添加代码实现细节。欢迎关注。本文主要使用jupyternotebook作为代码开发环境，开启python基础编程之旅。2.Jupyternotebook的安装在文章《【人工智能算法小白入门系列】- 如何入门学习成为一名AI算法工程师？》1。Jupyternotebook的安装步骤前面已经提到，这里简单介绍一下。1、首先安装Anaconda解析环境。安装完成后，可以在Anaconda提示窗口中输入jupyternotebook，回车启动。可以通过ctrl+C停止jupyter，如图：也可以先cd到这个窗口的特定路径，然后输入jupyternotebook启动。2、启动后，可以在网页版的编辑环境中正常运行Python代码。例如下图是在python中导入简答包并打印出提示语句。三、Jupyternotebook基础1、文本单元格使用markdown语法基础，可以参考https://guides.github.com/features/mastering-markdown/2。代码单元执行：四、Python基础1、List生成器和Indexing函数，包括索引、过滤、切片、寻长List，不需要存储同类型的数据，带来效率问题。2.numpy数组数据类型需要相同的数据结构，否则会显示错误。缺点是数据没有做成向量或矩阵，不支持运算。三、创建numpy和基本函数1、创建数组和常用技巧的不同方式。2.生成并初始化不同大小的数组：3.以一定的间隔生成，但不支持以浮点数为间隔。4.生成一定范围内的限定值：5.生成特定区间内的随机数6.生成特定大小的随机数4.numpy合并与拆分1.合并：2.拆分：5.matplotlib基础1.关于颜色参数可以参考：https://matplotlib.org/2.0.2/api/colors_api.html2。关于线型参数：https://matplotlib.org/devdocs/gallery/lines_bars_and_markers/line_styles_reference.html3。散点图：四、机器学习算法实践在目前经典的机器学习算法中，我们选择了KNN作为简单代码实践的过程。KNN算法属于无监督分类算法模型。我会在后续课程中详细介绍算法的原理和细节。目前，该过程仅在jupyter的帮助下实现。首先定义训练数据样本raw_data_X和对应的标签数据raw_data_y。测试样本暂定x的具体代码如下：建模、训练和推理。以上是Python代码和基于jupyternotebook的简单应用。后续会更新更多相关课程，留意一下。
