學(xué)Python一定要會算法嗎？一開始，你不必好好學(xué)習(xí)算法。但是隨著技術(shù)的發(fā)展，仍然需要算法，否則只能做一些工作。1. 學(xué)好軟件開發(fā)離不開計算機(jī)理論基礎(chǔ)，比如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)技術(shù)、算法研究等，如

學(xué)Python一定要會算法嗎？

一開始，你不必好好學(xué)習(xí)算法。但是隨著技術(shù)的發(fā)展，仍然需要算法，否則只能做一些工作。

1. 學(xué)好軟件開發(fā)離不開計算機(jī)理論基礎(chǔ)，比如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)技術(shù)、算法研究等，如果你喜歡這項技術(shù)，那就不是問題。先開始，你可以彌補(bǔ)。

2. 算法是軟件開發(fā)的靈魂。好的算法寫不出好的程序。

3. 如何學(xué)習(xí)算法，首先選擇經(jīng)典算法教材?；镜目梢詮臄?shù)據(jù)結(jié)構(gòu)中學(xué)習(xí)，其中包含一些基本的算法，然后再學(xué)習(xí)特殊的算法（實際上，在數(shù)據(jù)結(jié)構(gòu)領(lǐng)域?qū)W習(xí)算法一般就足夠了）。網(wǎng)上還有很多論壇、算法網(wǎng)站，為了吸引眼球，它們一般都很通俗易懂。大多數(shù)算法都是C語言，但是語言在算法層次上是相互聯(lián)系的，因此理解算法模型是最重要的。

4. 萬事開頭難。只要你開始，剩下的就是慢慢操作這項技術(shù)。該算法在實際應(yīng)用中是最快、最強(qiáng)的。

我希望它能幫助你

這取決于數(shù)據(jù)量和樣本數(shù)。不同的樣本數(shù)和特征數(shù)據(jù)適合不同的算法。像神經(jīng)網(wǎng)絡(luò)這樣的深度學(xué)習(xí)算法需要訓(xùn)練大量的數(shù)據(jù)集來建立更好的預(yù)測模型。許多大型互聯(lián)網(wǎng)公司更喜歡深度學(xué)習(xí)算法，因為他們獲得的用戶數(shù)據(jù)是數(shù)以億計的海量數(shù)據(jù)，這更適合于卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法。

如果樣本數(shù)量較少，則更適合使用SVM、決策樹和其他機(jī)器學(xué)習(xí)算法。如果你有一個大的數(shù)據(jù)集，你可以考慮使用卷積神經(jīng)網(wǎng)絡(luò)和其他深度學(xué)習(xí)算法。

以下是一個圖表，用于說明根據(jù)樣本數(shù)量和數(shù)據(jù)集大小選擇的任何機(jī)器學(xué)習(xí)算法。

如果你認(rèn)為它對你有幫助，你可以多表揚(yáng)，也可以關(guān)注它。謝謝您

既然使用神經(jīng)網(wǎng)絡(luò)也可以解決分類問題，那SVM、決策樹這些算法還有什么意義呢？

統(tǒng)計建模和機(jī)器學(xué)習(xí)建?？捎糜跀?shù)據(jù)分析和數(shù)據(jù)挖掘。不同的是，統(tǒng)計建模是基于傳統(tǒng)的統(tǒng)計方法，如回歸分析、聚類分析、主成分分析等，側(cè)重于對已知現(xiàn)象或數(shù)據(jù)的描述。雖然機(jī)器學(xué)習(xí)建模也是基于統(tǒng)計的，但它側(cè)重于對未知現(xiàn)象或數(shù)據(jù)的預(yù)測，對數(shù)據(jù)的大小有一定的要求。

統(tǒng)計建模是指基于統(tǒng)計知識的建模。常用的統(tǒng)計知識包括參數(shù)估計、假設(shè)檢驗、方差分析、回歸分析、時間序列、聚類分析、主成分分析和因子分析，如下圖所示。

機(jī)器學(xué)習(xí)建模是指利用機(jī)器學(xué)習(xí)算法進(jìn)行建模。常用的機(jī)器學(xué)習(xí)算法有：k近鄰算法、決策樹、邏輯回歸、SVM、隨機(jī)林、聚類分析、關(guān)聯(lián)分析等，實現(xiàn)這些算法的語言有Python和r，具體如下圖所示。！不管是統(tǒng)計建模還是機(jī)器學(xué)習(xí)建模，我們都需要有一個好的數(shù)學(xué)基礎(chǔ)，主要是微積分、線性代數(shù)和概率論。

就是這樣！歡迎關(guān)注[數(shù)據(jù)科學(xué)孫斌]，分享數(shù)據(jù)科學(xué)相關(guān)知識

統(tǒng)計建模和機(jī)器學(xué)習(xí)建模，有什么區(qū)別？

我已經(jīng)使用Python 7年多了，現(xiàn)在我正在從事視頻對象識別算法的開發(fā)，使用tensorflow，它也是基于Python語言的。Python是一種解決所有問題的語言，值得擁有

！我從2012年開始學(xué)習(xí)機(jī)器學(xué)習(xí)，因為沒有指導(dǎo)，我走了很多彎路，浪費(fèi)了很多時間和精力。一開始，我讀了《機(jī)器學(xué)習(xí)實踐》一書。雖然我不懂，但我還是把書中所有的例子都跑了一遍，漸漸發(fā)現(xiàn)自己不懂算法也能達(dá)到預(yù)期的效果。然后，我會直接開發(fā)我想要的程序。當(dāng)我遇到需要機(jī)器學(xué)習(xí)的部分時，我會直接復(fù)制它。一周后，演示會出來。在這個時候，你會發(fā)現(xiàn)你已經(jīng)開始了。剩下的就是理解每種算法的范圍和局限性。

不要掉進(jìn)無休止的書堆里，練習(xí)和做項目

！呃，地鐵到了。我要去工作了。我還沒做完呢。有機(jī)會我會繼續(xù)討論

大數(shù)據(jù)結(jié)構(gòu)中的很多組件都是用Java語言編寫的，還有一些是用Scala編寫的，比如Hadoop中的HDFS、MapReduce、yarn、ZK、HBase、hive、spark等。這些東西更傾向于數(shù)據(jù)工程、數(shù)據(jù)處理和計算。Python語言，包括pandas、numpy、SciPy等數(shù)據(jù)分析擴(kuò)展包，通過學(xué)習(xí)使用這些包，可以充分掌握數(shù)據(jù)分析的能力。因此，要學(xué)習(xí)數(shù)據(jù)分析，建議學(xué)習(xí)Python而不是大數(shù)據(jù)。