一、機器學習實戰 classvec 是什么意思

一般機器學習公人的數據集是UCI提供的，這是網址

二、大數據專業主要學什么？

大數據技術專業屬于交叉學科：以統計學、數學、計算機為三大支撐性學科；生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。

此外還需學習數據采集、分析、處理軟件，學習數學建模軟件及計算機編程語言等，知識結構是二專多能復合的跨界人才(有專業知識、有數據思維)。

以中國人民大學為例：

基礎課程：數學分析、高等代數、普通物理數學與信息科學概論、數據結構、數據科學導論、程序設計導論、程序設計實踐。

必修課：離散數學、概率與統計、算法分析與設計、數據計算智能、數據庫系統概論、計算機系統基礎、并行體系結構與編程、非結構化大數據分析。

選修課：數據科學算法導論、數據科學專題、數據科學實踐、互聯網實用開發技術、抽樣技術、統計學習、回歸分析、隨機過程。

三、關于學習機器學習？

除了寫代碼實現里面提到的算法外，對相關公式的推導也要有所了解。我沒看過這個視頻，但我看的有關機器學習的書里面更側重的是理論吧。代碼誰都可以編寫，但這些理論并不是每個人都能搞清楚的；而且理論都弄得一清二楚絕對可以寫出來代碼，但只會編碼卻不一定能夠搞清楚為什么要這么做。

四、數據挖掘SPSS，Python，《機器學習實戰》先學什么好

SPSS也僅僅是把成熟的方法放到軟件里面，它和Weka，RapidMiner本質上沒什么區別。

個人不太熟悉圖像，但是隱約覺得SPSS是偏向統計的，和圖像處理沒啥關系吧。這個僅僅是自己的一點疑惑而已。

好，正經回答你的問題。SPSS其實蠻好學的，沒必要和其他擺到一個層面上，我猜你是要學習SPSS模塊中的那些統計方法吧。SPSS中的方法大多是統計方法，和《機器學習實戰》中的方法不一樣。不過你先學習統計方法，再看《機器學習實戰》也不錯。

至于Python基礎，在看《機器學習實戰》之前的確看一下《Python學習手冊》這類的入門書比較好。因為Python語法比較簡單，所以說也不用有什么負擔，看幾天就會了，然后再順著《機器學習實戰》一邊看一邊code就好了。

順序如下：

SPSS中的統計方法

Python基礎

《機器學習實戰》

P.S. SPSS中的統計方法都很經典，會用的話，其實不用看很長時間，但是如果想自習鉆研，就是統計學了，里面的知識也很豐富。

五、python 變量的命名

createPlot.ax1 是表示： ax1 是函數 createPlot 的一個屬性，這個可以在函數里面定義也可以在函數定義后加入也可以

example：

def fun():

fun.x =1

當你在python的命令窗口下，運行一次fun()后，x 就是 fun()的一個屬性，你在命令窗口下輸入

fun.x 后面會顯示 1

也可以 在 函數定義完后加入 屬性 如 fun.y = 2,在使用 dir(fun)，你就會發現fun有 x,y 這兩個屬性

六、機器學習實戰筆記 梯度下降跟梯度有關嗎

函數的梯度是指它在這一點處增長最快的方向，顯然負梯度方向就是下降最快的方向。

梯度下降方向就是和負梯度方向的夾角小于90度的方向，也就是和負梯度方向的內積小于0，沿著梯度下降方向移動，函數的值會減小。

因此最小化一個函數的通常做法是：從某一點出發，找到該點的梯度下降方向）沿著這個方向移動一定的距離。不斷迭代，直到滿足終止準則。

目前幾乎所有的機器學習求解算法都是基于梯度下降的，例如OWLQN、SGD、Async-SGD等