學Python一定要會算法嗎？一開始，你不必好好學習算法。但是隨著技術的發(fā)展，仍然需要算法，否則只能做一些工作。1. 學好軟件開發(fā)離不開計算機理論基礎，比如數據結構、操作系統(tǒng)、網絡技術、算法研究等，如

學Python一定要會算法嗎？

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

1. 學好軟件開發(fā)離不開計算機理論基礎，比如數據結構、操作系統(tǒng)、網絡技術、算法研究等，如果你喜歡這項技術，那就不是問題。先開始，你可以彌補。

2. 算法是軟件開發(fā)的靈魂。好的算法寫不出好的程序。

3. 如何學習算法，首先選擇經典算法教材?；镜目梢詮臄祿Y構中學習，其中包含一些基本的算法，然后再學習特殊的算法（實際上，在數據結構領域學習算法一般就足夠了）。網上還有很多論壇、算法網站，為了吸引眼球，它們一般都很通俗易懂。大多數算法都是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。該算法在實際應用中是最快、最強的。

我希望它能幫助你

這取決于數據量和樣本數。不同的樣本數和特征數據適合不同的算法。像神經網絡這樣的深度學習算法需要訓練大量的數據集來建立更好的預測模型。許多大型互聯(lián)網公司更喜歡深度學習算法，因為他們獲得的用戶數據是數以億計的海量數據，這更適合于卷積神經網絡等深度學習算法。

如果樣本數量較少，則更適合使用SVM、決策樹和其他機器學習算法。如果你有一個大的數據集，你可以考慮使用卷積神經網絡和其他深度學習算法。

以下是一個圖表，用于說明根據樣本數量和數據集大小選擇的任何機器學習算法。

如果你認為它對你有幫助，你可以多表揚，也可以關注它。謝謝您

既然使用神經網絡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)計建模和機器學習建?？捎糜跀祿治龊蛿祿诰?。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，側重于對已知現(xiàn)象或數據的描述。雖然機器學習建模也是基于統(tǒng)計的，但它側重于對未知現(xiàn)象或數據的預測，對數據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)計知識包括參數估計、假設檢驗、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。

機器學習建模是指利用機器學習算法進行建模。常用的機器學習算法有：k近鄰算法、決策樹、邏輯回歸、SVM、隨機林、聚類分析、關聯(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)計建模還是機器學習建模，我們都需要有一個好的數學基礎，主要是微積分、線性代數和概率論。

就是這樣！歡迎關注[數據科學孫斌]，分享數據科學相關知識

統(tǒng)計建模和機器學習建模，有什么區(qū)別？

我已經使用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年開始學習機器學習，因為沒有指導，我走了很多彎路，浪費了很多時間和精力。一開始，我讀了《機器學習實踐》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到預期的效果。然后，我會直接開發(fā)我想要的程序。當我遇到需要機器學習的部分時，我會直接復制它。一周后，演示會出來。在這個時候，你會發(fā)現(xiàn)你已經開始了。剩下的就是理解每種算法的范圍和局限性。

不要掉進無休止的書堆里，練習和做項目

！呃，地鐵到了。我要去工作了。我還沒做完呢。有機會我會繼續(xù)討論

大數據結構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據工程、數據處理和計算。Python語言，包括pandas、numpy、SciPy等數據分析擴展包，通過學習使用這些包，可以充分掌握數據分析的能力。因此，要學習數據分析，建議學習Python而不是大數據。