1）Python环境及pip list截图。
① python环境：
python开发环境：
② 安装的包：
2）视频学习笔记
机器学习：是人工智能的一个分支。我们使用计算机设计一个系统，使它能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；通过参数优化的学习模型，能够 用于预测相关问题的输出。
有监督学习：给数据并给出数据正确结果的学习
半监督学习：有一部分是监督好的，再以此为例无监督学习，如，标签的传递：将部分画好标签，再这些标签传递到其他部分
无监督学习：依据概率自我总结
增强学习：不断的做某件事，并从中得到反馈进而完善学习的一种学习。（如 聚类）
模型构建流程：
1、需要一个数据，这个数据可以是文本的，声音的图像的，交易的，以及他的标记值。
2、提取相应的特征属性
3、选取算法，如：决策树回归、线性回归
4、建立模型。
模型进行预测的流程：
1、将新的数据拿出
2、提取
3、带入刚刚的模型进行预测
4、输出预测结果
机器学习的一般流程：
数据收集→数据清洗→特征工程→数据建模
分类的常用方式：
1、Linear Sum
2、RBF SVM
3、Dcision Tree
4、Nalve Bayes
5、Linear Discriminant
6、QDA
7、AdaBoast
8、Random Forest
实例：
书籍：
二阶导数是斜率变化快慢的反应
常用的导数
方向导数：
python机器学习所需的各种库：
1、pip
2、Numpy
3、Scipy
4、Matplotlib
本福特定律：或本福德法则，说明一堆从实际生活得出的数据中，以1为首位数字的数的出现机率约为总数的三成，接近期望值1/9的3倍。推广来说，越大的数，以它为首几位的数出现的机率就越低。
一般我们可以用本福特定律于检查各种数据是否有造假。
reshape：可以创建一个和原数组内存共享的新数组，新数组变动了原数组还会保持不变，元素类型可以通过dtype属性获得，可以用dtype参数在创建并指定元素类型并使用astype安全的转换类型。
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：是人工智能的下划科学。利用代码和算法设计出一个模型，并让它能利用提供的训练数据按照一定的方式来学习；随着训练次数越多，完成度和准确度将越提升；能够用于对数据结果进行预测输出。
分类：
有监督学习：给数据并给出数据正确结果的学习
半监督学习：有一部分是监督好的，再以此为例无监督学习，如，标签的传递：将部分画好标签，再这些标签传递到其他部分
无监督学习：依据概率自我总结
增强学习：不断的做某件事，并从中得到反馈进而完善学习的一种学习。（如 聚类）
案例：
有监督学习：将很多椅子的图片输入模型，并直接告诉计算机，“这是椅子”，让模型依据此来学习，将不是椅子的告诉它，”不是椅子“。
半监督学习：标签的传递：将部分输入模型的数据画好标签，再通过机器自己学习，将这些标签传递到其他数据部分。
无监督学习：输入很多文字数据给模型，经过两个字共同出现的频率分析，进而学习出哪些是词组。
增强学习：聚类。