最近入坑机器学习，记录一下环境的搭建和numpy模块的几个重要函数
（一）安装Python3
python3直接在官网下载，单独下载的，不需要额外更改USER_BASE和USER_SITE，pip安装的包会放到包含了pip执行文件的路径下的Lib\site-packages中。
因此只要把python目录安装在其他盘就好，安装完毕后，使用pip命令安装好numpy、matplotlib、sklearn、pandas几个库，有的库有一些前置库得安装
（二）安装IDE
我选择的是Vs Code，下载完毕后在Vs Code里面安装与python相关的配置，Pylint会提示你安装，按照提示的来就行
（三）Numpy模块
在机器学习中经常用到矩阵，计算机中可用二维数组来模拟，Python自带了array，但功能与Numpy还有差距
1.numpy.array()
用来生成一维，二维的数组
也可以自己添加dtype类型参数来指定数组元素的类型
2.numpy.zeros(shape,dtype)
shape参数可指定数组的大小，dtype指定元素类型
3.numpy.ones(shape,dtype)
原理同zeros函数
4.numpy.full(shape,fill_value)
fill_value指给数组填充的元素值
5.numpy.arange(0，10，2)
效果和Python的range相同，0是起点，10是终点，2是步长（这里步长可设置为浮点数），缺省时为1，后面也可加dtype参数指定类型
6.numpy.linspace(0,10,5)
0是起点，10是终点，5是一共取得元素的个数，保证间隔相等
7.numpy.random
(1)numpy.random.randint(0,10,size=(2,3))
取2行3列的随机数，可以包括0，不包括10
(2)numpy.random.random()
默认生成0到1之间的浮点数，可添加参数来指定数组的大小
(3)numpy.random.normal(0,1,(3,3))
生成3行3列的服从高斯分布的概率密度随机数，0是均值，1是标准差
(4)numpy.random.seed(num)
保证前后生成的随机数组一致