大家好，今天小编关注到一个比较有的话题，就是关于python机器学习第18讲的问题，于是小编就整理了4个相关介绍Python机器学习第18讲的解答，让我们一起看看吧。
Python基础知识？
Python 是一门开源免费、通用型的脚本编程语言，它上手简单，功能强大，坚持「极简主义」。
Python 类库（模块）极其丰富，这使得 Python 几乎无所不能，不管是传统的 Web 开发、PC 软件开发、Linux 运维，还是当下火热的机器学习、大数据分析、网络爬虫，Python 都能胜任。
这套 Python 基础教程不是教科书，不会玩弄概念，而是力求口语化和通俗化，让读者尽快入门。
如果有小朋友出于兴趣学习 Python，请引导他阅读本教程的前半部分，这是基础，可以降低学习成本；如果你想全面掌握 Python 编程，胜任企业中的实际项目开发，那你应该按部就班学习本教程的所有章节。
Quant应该学习哪些Python知识？
python基础编程，必须掌握，不仅仅是会语法，还有各种语言细节的坑（当然比C++少很多）。对于常年使用R matlab SAS的研究人员来讲，python有很多更偏向程序员的表达方式，需要转换下思维适应。然后就是各种库pandas：原AQR资本的员工写的一个库，专门用来处理panel data这种数据结构的，几乎是处理金融时间序列的标配了。scipy， numpy：科学计算的库，类似于一个小型matlab或者oct***estat***odels : 看名字就知道，分析的包。scikit-learn: 这个包是做python做机器学习的库，地位很高。matplotlib : python的作图库。如果你喜欢R的ggplot， 现在也有python的，貌似还不成熟。
此外ipython的notebook是一个做研究的利器，类似于mathematica的notebook，可以记录自己trail and error的过程。
对于国内来讲，有两个项目比较火一个是获取金融数据的TuShare -财经数据接口包 还有一个就是开源交易平台vn.py ，
如果要做衍生品定价， 学学swig直接在python里调用quantlib，
Python机器学习，如何特征学习人脸？
对于人脸识别经过这么多年的发展，目前已经相对成熟，当然不排除双胞胎之类的识别错误，目前智能手机上其实都有人脸检测的存在，比如拍照时的定焦就可以直接根据检测出来的人脸做参照物，也有笑脸拍照这样的功能，现在苹果，华为，阿里等公司在手机解锁、支付等方面都有具体应用。
对于提取人脸特征这块主要经历两个大的算法时代，一个就是12年以前经典的Adaboost算法基本达到了工业级的人脸检测，所使用的特征就是harr特征，通过大量不同组合的简单的黑白块的对比构建人脸五官上的特征。第二个就是深度学习算法，各种检测加识别都是通过构建CNN网络从大量人脸数据中提取各种特征。
如何学习作为机器学习基础的Python语言？
大概可以分成几个阶段。
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[_a***_]。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。
到此，以上就是小编对于python机器学习第18讲的问题就介绍到这了，希望介绍关于python机器学习第18讲的4点解答对大家有用。
