iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 2
0

此處並沒有強迫讀者使用相同的工具,可以依照自己的習慣使用,但介面設定以及其他設置在不同的工具可能沒有辦法提供太多的協助。

開發工具

Anaconda

Anaconda

jupyter notebook

jupyter notebook

可能會有部分讀者不習慣jupyter notebook的介面以及操作模式,但我個人覺得將程式碼分為多個區塊是有益於debug的,在執行上也可以很簡易的分段執行與維護,並不需要自己選取目標程式碼再重跑。

套件

Scipy

Scipy

強大的科學計算套件,可以提供非常多資料前處理需要的統計方法,也包含許多科學運算中才會用到的運算,例如傅立葉轉換等等。

Numpy

Numpy

實用且快速的數據處理套件,在高維度的數據處理上較原生的list十分快速,也有許多矩陣運算的函式。

Pandas

Pandas

在讀檔、寫檔、整理資料都相當方便的套件,主要資料型態DataFrame與Series是numpy的延伸因此可以輕鬆的上下轉型。

Matplotlib

Matplotlib

較基礎但是功能強大的視覺化套件,自由度極高,可以自由調整各種圖片設定。

Seaborn

Seaborn

基於Matplotlib的延伸套件,可以使用Matplotlib的函式進行修改,基礎外觀設定較好看,也內建幾個常用的圖表。

Scikit-Learn

Scikit-Learn

時下使用python做機器學習最完整的套件,有著相當多的機器學習常用功能。


上一篇
DAY[1]-為什麼要機器學習
下一篇
DAY[3]-環境建立教學
系列文
Python機器學習介紹與實戰30

尚未有邦友留言

立即登入留言