1）Python环境及pip list截图。
答：图1为Python环境截图，图2-图5为pip list截图。
图1
图2
图3 图4 图5
2）学习笔记。
答：
P1机器学习概论
主要内容：
1、机器学习示例
2、机器学习的角度看数学：
2.1 数学分析
导数与梯度
Taylor展式的应用
2.2 概率论基础
古典概型
频率学派与贝叶斯学派
常见概论分布
Sigmoid/Logistic函数的引入
什么是机器学习 03:00-40:00
1、对于某给定的任务T，在合理的性能度量方案P的前提下，某计算机程序 可以自主学习任务T的经验E；随着提供合适、优质、大量的经验E，该程序对于任
务T的性能逐步提高。
2、这里最重要的是机器学习的对象：
2.1 任务Task.T，一个或者多个
2.2 经验Experience.E
2.3 性能Performance.P
3、即：随着任务的不断执行，经验的累积会带来计算机性能的提升。
Tom Michael Mitchell. 1977（写了一本书，书的名字就叫《机器学习》）
4、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。
5、有监督学习（如分类、回归）：通过已有的一部分输入数据与输出数据之间的相应关系。生成一个函数，将输入映射到合适的输出。
6、无监督学习（如聚类）：直接对输入数据集进行建模。
7、机器学习的内涵与外延
7.1 机器学习可以解决什么问题
给定数据的预测问题，步骤如下：
① 数据清洗/特征选择
② 确定算法模型/参数优化
③ 结果预测
7.2 不能解决什么
① 大数据存储/并行计算
② 做一个机器人
8、案例：预测房屋价格，有一些样本，由这些样本得到一个模型，进行预测，特征有type（房屋类型）、rooms（几居室）、surface（面积）、public
trans（公共交通），预测sold（房屋价格），采用线性回归模型，目标函数，取最小，可以叫为损失函数，取最大，叫增益函数。超参数需要
进行调参。
9、建模：训练数据（Train），可以是文本、图像、声音、交易等等，标记值（Labels），在训练数据中提取特征，然后选择算法，把特征和标记值放进去
算法，得到模型。
预测：拿到新的数据，可以是文本、图像、声音、交易等等，没有标记值，提取特征，把特征放进去模型进行计算，得到期望的标记值。
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 ----> 模型使用
机器学习方法
线性回归
SVM（支持向量机）
EM算法
GMM与图像
图像的卷积
去均值ICA分离
带噪声的信号分离
SVM：高斯核函数的影响RBF
Crawler爬取数据
HMM分词：MLE
LDA
聚类
降维
SVM
深度学习
数学分析
概率论基础
P4Python基础
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
Pip：
下载包：pip install 包名
更新包：pip install 包名 --upgrade
卸载包：pip uninstall 包名
查看安装包：pip list
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。
导入包：import 模块名 [as 别名]
from 模块名 import 包名（从模块包中导入一个指定包）
python基础知识：
1、标准Python的列表（list）中，元素本质是对象，如L = [1,2,3]，需要3 个指针和3个整数对象，对于数值运算比较浪费内存和CPU，因此，Numpy 提供了
ndarray对象：存储单一数据类型的多维数组。
2、数组大小可以通过其shape属性获得，强制修改shape，如从（3,4）改为 （4,3），但并不是对数组进行转置，而只是改变每个轴的大小，数组元素在内
存中的位置并没有改变。
3、使用reshape方法，可以创建改变了尺寸的新数组，原数组的shape保持不变，而且原数组和新数组共享内存，修改任意一个将影响另外一个数组的元素类
型可以通过dtype属性获得，可以通过dtype参数在创建时 指定元素类型，若更改元素类型，可以使用astype安全的转换。
4、如果生成一定规则的数据，可以使用Numpy提供的专门函数arange函数 类似于python的range函数：指定起始值、终止值和步长来数组，不包括终值，但
arange可以生成浮点类型，而range只能是整数类型。
5、设定1行打多长：np.set_printoptions(Linewidth=数值) 默认数值为80
6、linspace函数通过指定起始值、终止值和元素个数来创建数组，缺省包括 终止值，可以通过endpoint关键字指定是否包括终止值，默认为True。
logspace函数与linspace函数类似，logspace函数可以创建等比数列。
7、使用frombuffer，fromstring，fromfile等函数可以从字节序列创建数组。
8、常规方法：数组元素的存取方法和Python的标准方法相同
① 获取某个元素：数组名[下标]
② 切片：数组名[a:b]，a，b表示下标，不包含b
数组名[:下标]，省略开始下标，表示从0开始
③ 切片数据是原数组的一个视图，与原数组共享内容空间，可以直 接修改元素值，因此，在实践中，切实注意原始数据是否被破坏。
9、根据整数数组存取：当使用整数序列对数组元素进行存取时，将使用整 数序列中的每个元素作为下标，整数序列可以是列表或者数组，使用整数序列作
为下标获得的数组不和原始数组共享数据空间。
10、使用布尔数组i作为下标存取数组a中的元素：返回数组a中所有在数 组b中对应下标为True的元素
11、 numpy与python数学库的时间比较，numpy快。
12、元素去重。
① 直接使用numpy库中的unique函数去重
② 把二维数组转换成虚数，再使用unique函数去重
③ 把数组中的元素变成元组，再放入集合中
13、numpy中的stack函数：用于将多个数组合并，其中每个数组的shape 都相同，其中axis表示在第几个空间开始进行结合。
3）什么是机器学习，有哪些分类？结合案例，写出你的理解。
答：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。通过已经得到的样本，从样本中特征和标志值，然后将特征和标记值
放入算法中，得到学习模型；若这时有新样本，当样本中只有特征，没有标记值，即可以将特征放入学习模型中计算，可得到标记值的预测结果。
如预测房屋价格，先获取一些房屋样本，由这些样本获取特征和标志值，特征有type（房屋类型）、rooms（几居室）、surface（面积）、public trans
（公共交通），标记值为sold（房屋价格），选择线性回归算法，把特征和标记值放入算法中，不断学习和改进，得到学习模型。拿到新的房屋数据，没有
房屋价格，提取特征，把特征放进去学习模型进行计算，得到期望的标记值，即预测得到的房屋价格。
机器学习通常分为四类：监督学习：从标记的训练数据来推断一个功能的机器学习任务，如分类和回归。
无监督学习：把没有标签的数据分成一个一个组合，如聚类。
半监督学习：在训练阶段结合了大量未标记的数据和少量已标记的数据。
强化学习：智能系统从环境到行为映射的学习，以使奖励信号(强化信号)函数值最大。