關(guān)于預(yù)習(xí)課程

以及如何安裝自己下載的拓展程序（我自己一開始失敗了好幾次）：

關(guān)于正式課程

視頻的前半段主要介紹了機(jī)器學(xué)習(xí)，概念及相關(guān)領(lǐng)域、分類——監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，以及各自的分類。這些因?yàn)橹岸嗌倏催^，也是快速瀏覽了一遍，我主要的精力還是放在最后的實(shí)踐上了。

最后的實(shí)踐是一個(gè)非常簡單的案例，當(dāng)然這里的簡單是指案例內(nèi)容簡單，但是涉及到的東西對我而言很多是新東西，所以還是花了很多時(shí)間來學(xué)習(xí)的。

案例實(shí)現(xiàn)的結(jié)構(gòu)并不復(fù)雜：讀入并顯示（圖表化）數(shù)據(jù)——用已知數(shù)據(jù)對線性回歸模型進(jìn)行訓(xùn)練，然后進(jìn)行預(yù)測。整個(gè)過程在jupyter上實(shí)現(xiàn)，利用了Pandas、numpy、matplotlib.pyplot、sklearn幾個(gè)庫，因?yàn)閷σ陨蠋讉€(gè)并不是很熟悉，所以我花了比較多的時(shí)間來了解如何使用他們。下面是我參考的內(nèi)容：

Pandas相關(guān)操作：

numpy相關(guān)操作：

matplotlib.pyplot相關(guān)操作：

jupyter notebook相關(guān)：

因?yàn)橹皇窍牒唵瘟私?，日后通過實(shí)踐來完善，所以沒有很系統(tǒng)的整理，對以上內(nèi)容也只參考了具體操作的一些函數(shù)，了解庫的大致功能之類的。不過jupyter意外得好用，確實(shí)很適合邊敲代碼邊做筆記，而且支持多種保存格式，還是很方便的。

具體的實(shí)現(xiàn)部分因?yàn)樽鳂I(yè)和課堂講解的實(shí)例基本一致，所以我也只是對原有代碼做了一些修改，過程中針對不太清楚的細(xì)節(jié)做了一些了解。下面貼出結(jié)果：

個(gè)人的感想

1，中間遇到了一次文件打開錯(cuò)誤，一致解決不了，于是去群里提問，好在助教回應(yīng)及時(shí)，很快也解決了我上午花了很長時(shí)間也沒解決的問題，結(jié)果也說明這只是一個(gè)細(xì)節(jié)問題，但是對于初學(xué)者而言，不得要領(lǐng)可能就要花很長時(shí)間也解決不了。

學(xué)習(xí)的過程交流真的很重要，及時(shí)的交流和溝通可以給自己減少很多麻煩

2，如何提高目前這種 類型 的自學(xué)效率

首先，我自學(xué)的過程中很容易沒有目標(biāo)，有了問題去搜索，搜索中又遇到新的問題，就會(huì)繼續(xù)找，這樣很容易迷失在一個(gè)又一個(gè)問題鏈中，而且這些問題本身并不具有結(jié)構(gòu)性，即便現(xiàn)在看明白了，沒有系統(tǒng)的學(xué)習(xí)過和復(fù)習(xí)，很可能又會(huì)忘記。所以對于這個(gè)問題 ，我想可以限制跳轉(zhuǎn)的次數(shù)，只對當(dāng)前學(xué)習(xí)過程中的問題進(jìn)行解決，其他細(xì)節(jié)暫時(shí)跳過。

另外，就是對自己已知的知識(shí)要快速過，對不會(huì)的片段也不必停下來硬磕，可以記錄下來，等整個(gè)學(xué)習(xí)結(jié)束后再 來看，可能就會(huì)解決