1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。
2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
P1 机器学习概论
P2 Python基础
一、Python库：
1) Pip：安装Python包的推荐工具
2) Numpy：为Python提供快速的多维数组处理能力
3) Pandas：在Numpy基础上提供了更多的数据读写工具
4) Scipy：在Numpy基础上添加了众多科学计算工具包
5) Matplotlib：Python丰富的绘图库
二、Pip：
1) 下载包：pip install 包名
2) 更新包：pip install 包名 --upgrade
3) 卸载包：pip uninstall 包名
4) 查看安装包：pip list
5) 类/继承类：定义类是通过class关键字，当我们定义一个class的时候，可以从 某个现有的class继承，新的class称为子类，而被继承的class称为基类、父类或超类。
6) 导入包：import 模块名 [as 别名]
7) from 模块名 import 包名（从模块包中导入一个指定包）
三、绘图的主要属性：
1) figure：可以绘制一个制定大小的画布
2) grid：可以自定义网格，其中linestyle为线条类型，alpha为透明度
3) title：可以设置标题
4) legend：可以显示图例
5) xticks：自定义X轴内容
6) yticks：自定义Y轴内容
7) xlable：自定义X轴图例
8) ylabel：自定义Y轴图例
9) show：可以显示图像
10) plot：绘制折线图
11) bar：绘制柱状图，width可自定义柱体大小，color自定义每个柱体颜色（颜色必须传入为列表且与len(x)相对应）
12) hist(x,bins=group_num,density=True)：绘制直方图，其中x为传入的数据集，bins为传入的组数，density默认为False（是否显示频度）
3）什么是机器学习，有哪些分类？结合案例，写出你的理解。
机器学习主要分为四类：监督学习、半监督学习、无监督学习、增强学习。
1、监督学习：
在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。监督式学习的常见应用场景如分类问题和回归问题。
比如你问妈妈那个是什么，妈妈说那个是太阳，那个是月亮，下次你告诉妈妈，那个是太阳，那个不是月亮，这就是监督学习。
2、半监督学习：
输入数据部分被标识，部分没有被标识，这种学习模型可以用来进行预测，但是模型首先需要学习数据的内在结构以便合理的组织数据来进行预测。
3、无监督学习：
即没有标注的训练数据集，需要根据样本间的统计规律对样本集进行分析，根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。
比如小时候看多了玩具，别人问你这是什么的时候，你回答这是玩具，这就是无监督学习。
4、强化学习：
强化学习是试错学习(Trail-and-error)，由于没有直接的指导信息，智能体要以不断与环境进行交互，通过试错的方式来获得最佳策略。
比如学习走路，并不是每个人出生就学会走路，在学习的过程中，会有摔倒的经验，然后身体会对大脑进行负反馈，大脑从而对身体走路的姿势，力度等进行适当调整，并慢慢向最舒服的走路姿态学习，最后学会走路，这就是强化学习。