- Python 機器學習投影片
- Udemy30 天內無條件退款
- Python 機器學習–徹底研究-從零開始親手打造影像辨識系統。
- 本課程有一天學會 Python,Python 機器學習–徹底研究-從零開始親手打造影像辨識系統和TensorFlow+Keras Python 機器學習影像辨識系統三套重要課程。
- Windows 10環境安裝Python軟體及Anaconda軟體,包含Spider及Jupyter Notebook
- TensorFlow+Keras Python 機器學習影像辨識系統。
- 循序漸進,從基礎到實作,從Python程式語言基礎到Python深度學習與Python機器學習,再到TensorFlow+Keras CNN影片辨識
- 親手使用TensorFlow CNN卷積深度學習影像辨識TensorFlow 計算圖及Tensorboard.
- 親手TensorFlow Visualization視覺化輸出
- 這是華人界的知名科學家吳佳諺所推出的線上課程。
- 24個小時…..99講座…讓你完全了解Python程式語言,Python機器學習與Python深度學習類神經網路,徹底瞭解與實作SVM萬用分類機,機器學習分群,監督式學習分類,決策樹,卷積CNN深度學習類神經網路,Python 機器學習影像辨識系統,讓您徹底瞭解大數據資料庫資料分析
- 決策樹實務運用在金融保險信用評等分析
- 基本機器學習演算法,線性迴歸,邏輯迴歸,分群降維使用主成份分析PCA,分類降維LDA
- 單純貝氏分類器
- Python連接使用MySQL資料庫和最新SQL Server 2017資料庫機器學習.
- 從觀念入門,親手打造手寫辨識,讓你全盤了解Python資料科學,Python資料庫,Python商管應用。
- 初學者到進階使用者,對資料科學有興趣的人,商管財經人士,文法商人員,一般工程師,理工醫,電子電機與資料工程師、資料科學家。
- 讓自己鍍金,提升自我價值。
- Python 機器學習 為徹底研究機器學習,一天學會 Python–從零開始徹底精通Python 程式語言,Python 深度學習,徹底研究深度學習課程。
- 一天學會 Python–從零開始徹底精通Python 程式語言,Python 深度學習,Python 機器學習 為徹底研究機器學習,徹底研究深度學習課程。
- 這三套課程一天學會 Python為基礎重要課程,這三套為大數據人工智慧機器學習整合徹底研究課程
1.下載及安裝Python軟體
1-1.在Mac下載及安裝Python軟體
使用pip install 套件名稱
- 安裝套件
- pip install 套件名稱
- 解除安裝套件
- pip uninstall 套件名稱
- 檢視目前系統已經安裝的套件
- pip list
安裝Anaconda,Numpy,Matplotilib
在Mac選取Launchpad打開Anaconda Navigator
在Mac可以選取Spider或jupyter notebook來執行
1-2.在Window 10下載及安裝Python軟體
在Window 10下載及安裝Python軟體
- 在Window 10下載及安裝Python軟體
這是安裝程式軟體的路徑,預設是安裝在C:\Programs目錄下
在Window 10打開Python開發環境
這是Python的Shell直譯器
按下win鍵,選取命令提示字元
在命令提示字元下輸入python
進入python直譯器
離開python直譯器輸入exit()
- 在Windows 10安裝Anaconda
安裝Anaconda,Numpy,Matplotilib
選取Python 3.6版本
使用conda安裝模組
選取Spider
選取Jupyter Notebook
1-3下載及安裝PyCharm
在Mac下載及安裝PyCharm
安裝完Python後,設定直譯器路徑
Pycharm可以使用Python和Jupyter notebook的檔案
在Pycharm新增函式庫
在Windows 10下安裝Pycharm
下載Community版
2.Python直譯器與計算機
- Mac電腦/usr/local/bin
- Windows電腦C:\python36
- set path=%path%;C:\python36
- 這是設定utf-8-*-編碼
- #-*- coding: utf-8 -*-
- #是註解符號
- 輸入python執行
- $ python
變數資料型態
-
- 整數
- 浮點數
- 字串
- 運算式是由運算子與運算元組成
- +加-減*乘/除是運算子,先乘除後加減的結合優先順序
- 運算元是變數,數字,字串和資料結構
- =是分配符號,將右邊的值分配給左邊變數
3.資料結構
- 變數
- 運算式與運算子
- 串列
- 堆疊
- 佇列
數組tuple,集合set和字典
- 可以用數組tuple來儲存固定的元素,使用小括號()來建立一數組tuple
- 集合的元素放置沒有按照順序,可以使用{}大括號來建立一集合Set
- 集合加上索引就是字典{索引:值}
4.控制結構
- 布林運算式,布林值為True或False
- 在if敘述中,條件後的敘述只執行一次,而在while敘述中,則可執行一次以上。
- While敘述的程序圖形中.選取結構和循序結構,都只執行程式敘述一次,如果我們要讓同一行程式重複執行好幾遍則要用迴圈敘述。
- 迴圈敘述可以重複執行某一段程式好幾遍,直到條件的不成立才跳出這個迴圈。
- 選取結構if
- 語法if:
- if 條件運算式:
- 程式敘述1
- else:
- 程式敘述2
- 迴圈結構while,for
- 語法:
- for 計數變數 in range(起始值,終始值):
- 程式敘述
邏輯運算子
- 邏輯運算子可以結合條件,以一個表達式判斷許多條件,而這些條件的結果不是真True就是假False。
- and稱為”與邏輯運算子”,只有當所有條件都成立時才會回傳真True,否則回傳假False。
- or稱為或邏輯運算子,只要運算式中一個條件成立就會回傳真True,只有當所有的條件都為假Fasle時,才會回傳假False。
- not為相反邏輯運算子,真True的條件加上not相反邏輯運算子時,就會變成假False﹔當假False的條件加上not相反邏輯運算子時,就會變成真True。
一個選擇的if敘述
- if 條件:
敘述
巢狀的if敘述與多重選擇決策
- 在這個例子中有5個等級來做選擇,就叫做多重選擇。
- 語法:
- if (條件1):
- 敘述1
- elif (條件2):
- 敘述2
- elif (條件3):
- 敘述3
- elif (條件4):
- 敘述4
- else (條件5):
- 敘述5
迴圈結構for
- Python提供for敘述作為迴圈,除了迴圈主體敘述(statement),還有迴圈的條件結構。
迴圈結構while
- 在if敘述中,條件後的敘述只執行一次,而在while敘述中,則可執行一次以上。
5.函數
將多個複雜的程式區塊包在函數裡面,這樣在需要時,可以重複呼叫它.
遞迴函數是自己呼叫自己的函數,有最終值,開始回傳.
pass敘述沒做任何事
預設參數值
使用者自訂函數
區域變數的生存空間
- 函數的參數為區域變數.函數的參數生存空間只在函數的範圍內
- 在函數內定義的變數,其作用範圍在函數內
6.類別
成員屬性與成員方法
類別和實體變數
- _init__(self,..)為建構函數,實體化物件時會呼叫它
- self為自己這個物件
- __init__(self)建構物件, __del__(self)解構物件
7.繼承
- class 子類別(父類別1,父類別2,父類別3,..):
- 敘述1
- 敘述2
- 當子類別繼承 (inheritance) 超過一個來源的時候,會以寫在最左邊的父類別優先繼承,多個父類別如果有相同名稱的屬性 (attribute) 與方法 (method) ,就會以最左邊的父類別優先。
多型:子類別和父類別有同名的getEngine()名稱
8.異常或錯誤處理
使用raise關鍵字丟出例外
開啟,關閉及寫入檔案
檔案處理
- fp=open(‘檔案名稱’,’檔案開啟模式’)
9.使用matplotlib畫圖
- Matplotlib.pyplot是畫圖的命令集合函數.每一個pyplot函數可以建立或修改圖形
10.Python 資料結構與畫圖簡介
- •數組tuple和集合set
- •Scipy科學函數庫
- •numpy模組建立矩陣
- •Pandas資料結構
- •Matplotlib畫圖
11.數組tuple和集合set和Scipy科學函數庫
- 可以用數組tuple來儲存固定的元素,使用小括號()來建立一數組tuple
- 集合的元素放置沒有按照順序,可以使用{}大括號來建立一集合Set
- Scipy模組提供科學運算及線性代數的運算模組
12.numpy模組建立矩陣
- •numpy模組建立矩陣
- •矩陣運算
- •reshape()改變陣列的長寬
- •np.zeros((10,3))產生10*3的矩陣
13.Pandas資料結構
- 使用pip install安裝pandas
- Pandas讀取csv
- 讀取台灣加權股價指數csv檔,big5編碼
- 實作讀取台灣加權股價指數
- Series序列資料
- pandas的DataFrame
- 實作Pandas資料結構
- 資料選擇與篩選
- lambda可調式參數
14.Matplotlib畫圖2
- •Matplotlib畫圖
- •plt.plot([1,2,3,4])預設是X軸
- •# ‘r—’紅色虛線,’bs’藍色矩形,’g^’綠色三角形
- •scatter()散點圖函數
- •meshgrid()函數畫網格
15.分類與預測
- 資料採礦過程
- 分類與預測
- 決策樹 信用評等範例
- 監督式學習分類
- 天氣決策樹決定是否騎腳踏車
資訊熵Entropy
Information Gain資訊增益
ID3決策樹演算法
鳶尾花決策樹分類
隨機森林結合強學習
- K-nearest最鄰近分類演算法KNN
16.Python 機器學習分群
- 分群分析
- 分群的應用
- 資料採礦對分群的需要
- 分群的依據
- 主要的分群方式
- 群聚演算法k-means
- 階層式分群
- 密度為基礎的分群方法
群聚演算法k-means
- 將資料庫的n個物件來建構K個群聚的分群
- k-means:群聚的中心為基礎的分群
- 遞迴的尋找最小成本
- 設有k個群聚,0為第0次開始,每次加1,調整群聚中心
- 計算群聚成本最小化
階層式分群
- 階層式聚合式分群會從下面開始合併群聚,直到滿足停止條件為止.
- 計算所有樣本的距離矩陣
- 將每個樣本作為一個單一的集群
- 合併兩個最近的集群對
- 更新距離矩陣
- 重複上面步驟,直到群聚成兩個分群
密度為基礎的空間集群方法
- DBSCAN演算法:
- 以密度為基礎的群聚,如果密度足夠,它就會被視為群聚的一部分,此時會考慮鄰居.如果它們也高密度,就將它們與第一個區域合併,否則決定了分群.
- 當這個程序掃描完所有區域後,就可確定所有群聚.
- 主要特徵:
- 發現任意形狀的群聚
- 可以處理雜訊
- 密度參數當作終止條件
17.基本機器學習演算法
- 線性迴歸
- Logistic邏輯迴歸
- 單純貝氏分類器(Naive Bayes Classifiers)
其中P(A|B)是在B發生的情況下A發生的可能。
- 分群降維使用主成份分析PCA
主成分分析PCA是一種分析、簡化數據集的技術。PCA是使用矩陣投影方式將n維度樣本投影到m維度空間使用W轉換矩陣,其中m<<n。
- 分類降維使用線性判別分析LDA
18SVM萬用分類機
SVM最佳化分類平面
解最小化Lagrange乘法數問題
分錯時要補償的問題
求取成本最小解,C為補償參數
將輸入資料對應到高維度特徵空間
特徵空間轉換
使用核心函數做向量空間轉換
- 高斯RBF核心
- 多項式核心
Python實作鳶尾花分類
高斯RBF核心,標準偏差小,決策邊界較緊,標準偏差大,決策邊界較鬆
Support Vector Regression 迴歸分析
鬆弛變數
19.Python 類神經網路深度學習
安裝Tensorflow
安裝Keras
類神經網路圖形辨識MNIST
類神經深度學習
繪製實際和預測結果的手寫辨識
20.Python 機器學習
Python 機器學習
認知演算法
鳶尾花
加州大學鳶尾花資料
決策區域函數
建立模型Perceptron
21.鳶尾花_大數據資料
- 其數據集包含了150個樣本,分別是山鳶尾、變色鳶尾和維吉尼亞鳶尾。
- 四個特徵被用作樣本的定量分析,它們分別是花萼和花瓣的長度和寬度。基於這四個特徵的集合,一個線性判別分析以確定其屬種。
22.決策區域函數
classifier為我們的分類演算法
23.Python 分類演算法_適應性神經元
適應性神經元 過大的學習速率,無法收斂 最小化成本函數 遞減梯度 以Python實作適應性神經元 標準化的特徵縮放
24.適應性神經元
Adaline使用輸出是連續值的線性啟動函數來計算模型誤差,並且更新權重W
25.最小化成本函數
使用成本函數的梯度來更新權重
26.遞減梯度
J(w)成本函數
27.TensorFlow+Keras CNN卷積深度學習Cifar-10圖形辨識
安裝Tensorflow
Cifar-10圖片集
範例:cifar10_data_ok
- cifar10.load_data()載入訓練和測試資料
- RGB(紅藍綠)圖像:圖像中每個像素紅藍綠顏色可以由0(黑)到255(白)的亮度值(Intensity)表示。0-255之間表示不同的紅藍綠顏色值。
- Keras的核心為模型
- 卷積和池化各有四層
- add()我們可以一層一層的將神經網路疊起。在每一層之中我們只需要設定每層的大小(units)與啟動函數(activation function)。
- 最佳化隨機梯度下降
- 訓練模型,使用交叉熵
- 建立模型model.fit()
預測測試10000筆的準確度73%
範例:cifar10_kk
TensorFlow CNN卷積深度學習影像辨識
安裝Tensorflow
- 在PyCharm新增TensorFlow
Cifar-10圖片集
啟動Tensorboard
- TensorFlow卷積的圖形
- TensorFlow conv_1卷積變數的範圍
- TensorFlow Visualization視覺化輸出
- TensorFlow 計算圖 全連接層神經元
- TensorFlow 全連接層神經元fully_connected_1變數範圍
- TensorFlow Cifar_10影像特徵圖
TensorFlow Saver類別儲存變數
混淆矩陣
28.SQL Server 2017 Python 機器學習
安裝SQL SERVER 2017開發版
安裝SQL SERVER 2017開發版_實作
安裝SQL Server 2017評估版_實作
打開SQL Server管理工具
29.MySQL資料庫 Python 機器學習
MySQL資料庫安裝_Windows版
MySQL資料庫安裝_Windows版_實作
MySQL資料庫安裝_MAC版
MySQL資料庫安裝_MAC版_實作
Python連接並操作MySQL資料庫
Python連接並操作MySQL資料庫實作