《零基础实战机器学习》 是极客时间的一门关于机器学习的入门课，本项目的代码是从黄佳老师的代码 fork 而来，并进行了整理。
按照 为学习数学配置软件环境 的思路，首先需要安装 Pythone 环境：
brew install python pipenv jupyterlab通过如下命令来配置环境：
git clone https://github.com/mengbo/machlearn-from-scratch.git
cd machlearn-from-scratch
pipenv --python 3
pipenv install
# pipenv install ipykernel
pipenv run python3 -m ipykernel install --user --name machlearn
# pipenv install numpy pandas matplotlib
# pipenv install plotly nbformat
jupyter labextension install jupyterlab-plotly
# pipenv install seaborn
# pipenv install scikit-learn xgboost
# pipenv install opencv-python
# pipenv install tensorflow keras pydot
brew install graphviz
# pipenv install lifelines
# pipenv install flask通过如下命令运行 JupyterLab，Kernel 选择 machlearn：
jupyter lab
对于测试数据集 Flowers Recognition 已经拷贝到项目目录下的 input/flowers-recognition 目录中。
可以通过增加程序代码的方式解决：
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['FangSong']
plt.rcParams['axes.unicode_minus']=False也可以通过修改配置文件解决：
echo "font.sans-serif: FangSong" > ~/.matplotlib/matplotlibrc
echo "axes.unicode_minus: False" >> ~/.matplotlib/matplotlibrc由于没有优化编译，会产生一些错误提示，完全可以忽略，也可以通过设置如下环境变量解决：
export TF_CPP_MIN_LOG_LEVEL=2也可以直接在代码中设置：
import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2'TensorFlow 中的 model_to_dot 产生的 SVG 图片在 JupyterLab 下面显示不全，虽然可以通过调整 CSS 等方法解决，但最简单的办法是修改图片的 DPI 值，例如如下代码：
SVG(model_to_dot(cnn, show_shapes=True, dpi=65).create(prog='dot', format='svg'))当 sklearn.linear_model.LogisticRegression 的 max_iter 参数设置的比较小时，损失函数没有收敛，会出现警告。对于模型的训练和预测效果都已经不错的情况，不需要再增加 max_iter 值，一切以预测效果为基准。
建议修改参数为：LogisticRegression(solver='lbfgs', max_iter=1000)
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent