大家好,今天小编关注到一个比较有意思的话题,就是关于python经典机器学习的问题,于是小编就整理了3个相关介绍Python经典机器学习的解答,让我们一起看看吧。
PYTHON速度那么慢,为什么还经常用于机器学习?
大部分的机器学习库都是用 C++ 写的,都提供了对 java 和 Python 的支持,使用这俩语言相当于在调包而已,一些计算密集型、IO密集型的操场都是底层框架在跑,所以对于 Python 写的机器学习项目来说,不是很慢。
python 在机器学习时,运行计算时,调用numpy 库,这个库速度非常快,和c语言的一个级别。现在运算量大的 机器学习 算法,都用 gpu,tpu 等硬件提速,如果靠cpu,无论采用什么编程语言,都不可能 达到要求,类似 比特币挖矿,都用矿机,用cpu 挖就赚不到钱,比电费多不了多少。机器学习 采用硬件提速 也是这个道理。所以和上边采用的编程语言 关系不大。 python 编程速度快,算法编程实现是,可以大大节约 开发人员的时间,减少软件错误。
python,是最适合机器学习的,所以被广泛采用。
python,只所以在桌面软件,服务器等大型软件上,采用的少,主要原因是 和 c以及Java 相比,python 不利于代码的保密。而机器学习,不需要将算法代码,发布给用户,所以没有这方面问题。
想学习python用来做机器学习方面的内容(如建立LDA模型),该如何入门并学习?
Python基础
首先,装ANACONDA,是PYTHON的集成环境。
ANACONDA的安装程序 https://www.continuum.io/downloads/ ,选择PYTHON3的。
推荐 菜鸟教程 PYTHON3版http://www.runoob.com/python3/python3-tutorial.html
CSDN也有PYTHON的知识库,不过不够系统,可以有一定基础再看看。链接http://lib.csdn.net/base/python
11 行 Python 代码实现的神经网络
http://python.jobbole.com/82758/
程序很短,知识量很大。把这个搞明白了,你也就入门了。
用python实现一些机器学习算法时是否需要自己写轮子?
这个得看你出于什么目的而学习机器学习的,如果只是出于工作的需要或者短时间的应用,那你只需要使用框架来实现机器学习的算法就可以了,这些框架都有sklearn(标准机器学习库),tensorflow,pytorch等,这些框架各有各的缺点和优点,看需要来决定用哪种,这样就不用自己造轮子了,只需要理解其算法过程与框架算法的实现函数就能实现机器学习算法,是不是很过瘾?还有一种情况就是出于自身兴趣而学习的机器学习,我想大部分学习机器学习的程序员都是出于兴趣,既然是兴趣,那就会想着靠自己一步一步来实现这些算法,以便理解其算法原理,实现过程,还可以加深算法的印象,真正的掌握该算法,实现之后自己还会有很高的成就感,觉得自己真是太厉害了有木有?反正我就这种感觉,不过我只是自己实现了手写数字的神经网络识别算法,其识别率还蛮可观的。
如果你想深入机器学习领域,那你就应该自己至少造一次轮子,以便真正掌握该算法,之后的使用不想造轮子了可以使用框架来实现。如果只是短时间的应用,那就用框架吧,很快就能看到实现效果,还不用自己造轮子呢,方便,快速。
祝你好运!
到此,以上就是小编对于python经典机器学习的问题就介绍到这了,希望介绍关于python经典机器学习的3点解答对大家有用。