大家好，今天小编关注到一个比较有意思的话题，就是关于python加机器学习的问题，于是小编就整理了3个相关介绍Python加机器学习的解答，让我们一起看看吧。
如何学习作为机器学习基础的Python语言？
别相信那些一上来给你推荐十来本几百页书或者资料的人！学python，十步！一，安装python3！二，Google查一下基本语法！三，Google一段简单的python代码跑一下，修改代码去理解基本语法！四，自己找一项目写代码，实战出高手！五，写代码！六，写代码！七，写代码！八，写代码！九，Google python的面向对象！十，GitHub上开一个自己的项目！
第一个阶段，是掌握Python 基础技能。这可以按照一些教程和书籍来进行，比方说《笨方法学Pyhon》、廖雪峰的Python教程、《Python cookbook》等等。这一阶段的重点是多看多写代码，只有多看多写才能尽快熟悉。在这个阶段，还要熟悉一些常用的库，例如Numpy、pandas、matplotlib等等。这些可以按照文档或者在github上找到现成的文档和代码来学习。
第二个阶段，了解一些机器学习的基本内容。可以看MOOC，也可以买些相关书籍。吴恩达的机器学习教程很受欢迎，网上能找到视频和笔记。
然后进入第三个阶段，把Python和机器学习结合在一起。可以自己尝试实现一些机器学习工具，例如k-均值聚类、决策树、线性回归、逻辑回归、支持向量机之类，要是自己实现不了也没有关系，毕竟github上有大量的代码可以参考学习。
机器学习需要掌握网络爬虫吗？为什么？
虽说机器学习不要求掌握网络爬虫，但是，机器学习总要有样本，这个样本可是不容易搞，当然有一些现成的样本库，学习可以，应用还是要落地，所以我觉得网络爬虫对于搞机器学习还是必要的。
不需要的。虽然说网络爬虫确实是数据***集的利器，但是机器学习更重要的是算法什么的，机器学习的数据来源有很多，不只是限于网络爬虫。其实网络爬虫和机器学习完全可以说是方向。不过如果两者都会的话，对你是百利而无一害的，技多不压身
因为数据是人工智能的基础，而爬虫是获取数据的方法之一，数据分析是为人工智能准备数据的前提。如果人工智能是匹千里马，那么爬虫就是出去割草的小牧童，而数据分析就是整理牧草晒干草的过程。当然，在条件具备的情况下，可能数据来源会有很多，但爬虫至少是一个可靠的途径。如果没有这两个过程，很可能人工智能这匹骏***饿死。
windows转linux，用于python爬虫和机器学习，安装哪个版本比较好？
1、使用*nix系列操作系统和windows操作系统相比，个人觉得最大的区别是*nix的命令行操作模式；所以如果适应了命令行的操作模式，不管使用哪个发行版的linux其实都是一样的；我现在的主要编辑器是vim。所以工作的80%的时间都是在命令行状态下；
2、桌面环境来讲，我觉得有两个参考因素，美观和工作流；美观上个人偏向于待gnome桌面的ubuntu18；deepin 个人感觉容易审美疲劳；centos主要定位在服务器市场，所以默认的界面个人感觉中规中矩；这里的工作流指的是操作模式，或者说是[_a***_]模式，关键点是如何快速的进入和切换到目标程序，包含快捷方式，快捷键，窗口管理器，我主张使用可以灵活配置的gnome桌面,建议gnome,deepin的适合初学者，定制性稍微弱点；交互模式可以影响人的思维模式，我觉得使用linux和使用windows相比就是要在思维方式上有所收获，这点我也推荐操作模式和windows相差较大的ubuntu
3、软件库，deepin是基于ubuntu的发行版，使用apt软件库，两者是一样的；centos使用的是yum，centos软件库主要面对服务器，稳定为主，版本比较低。作为开发者推荐使用一些比较新的软件工具，这点上ubuntu和deepin比较有优势
4、个人觉得基于ubuntu的另外一个发行版值得推荐，就是elementary os，本人已经持续使用了4年时间，每天都在用；版本稳定而且简约，有设计感，至今没有审美疲劳。
到此，以上就是小编对于python加机器学习的问题就介绍到这了，希望介绍关于python加机器学习的3点解答对大家有用。
