Лекция Типы задач машинного обучения. Инструментальные средства для машинного обучения

3. GNU Octave — свободная система для математических вычислений, использующая совместимый с MATLAB язык высокого уровня. Она представляет интерактивный командный интерфейс для решения линейных и нелинейных математических задач, а также проведения других численных экспериментов. Кроме того, Octave можно использовать для пакетной обработки. Язык Octave оперирует арифметикой вещественных и комплексных скаляров и матриц, имеет расширения для решения линейных алгебраических задач, нахождения корней систем нелинейных алгебраических уравнений, работы с полиномами, решения различных дифференциальных уравнений, интегрирования систем дифференциальных и дифференциально-алгебраических уравнений первого порядка, интегрирования функций на конечных и бесконечных интервалах. Этот список можно легко расширить, используя язык Octave (или используя динамически загружаемые модули, созданные на языках C, С++, Фортран и др.).
Octave был написан с учётом совместимости с MATLAB и реализует многие его возможности:

• 
  матрицы в качестве основных типов данных;
  
• 
  встроенная поддержка комплексных чисел;
  
• 
  мощные встроенные математические функции и большие библиотеки функций;
  
• 
  расширяемость, благодаря возможности создания пользовательских функций.
  

Но есть и отличия:

• 
  комментарии могут начинаться как с символа #, так и с символа %;
  
• 
  поддерживаются C-подобные операторы ++, --, +=, *=, /=;
  
• 
  элементы могут быть адресованы без создания новой переменной, например [1:10](3);
  
• 
  строки могут быть заданы как символом «"», так и символом «'».
  

Сейчас Python является одним из наиболее распространенных языков программирования. Одним из его преимуществ является большое количество пакетов, решающих самые разные задачи. В данном пособии мы рекомендуем исполь- зовать библиотеки Pandas, NumPy и SciPy, которые существенно упрощают чтение, хранение и обработку данных. Вы также познакомитесь с пакетом Scikit-Learn, в котором реализованы многие алго- ритмы машинного обучения.
Необходимо отметить, что основными отличиями Python являются:

• 
  Отсутствие завершающих символов в конце строки (точек, запятых и т. п.), что делает написание линейных конст- рукций очень «приятным» и быстрым занятием (а боль- шинство программ для машинного обучения – это все-таки линейная математика, а не сложные многоуровневые системы).
  
• 
  Нестрогая типизация. Не нужно объявлять тип данных при объявлении переменной, что опять же ускоряет процесс разработки модели.
  
• 
  Язык Python интерпретируемый, кросс-платформенный и обладает хорошими средствами отладки.
  

Для разработки приложений нам нужно следующее:

• 
  Язык, среда для разработки кода (IDE) и исполняемая среда. В нашем случае это Anaconda и PyCharm.
  
• 
  Набор основных библиотек: Scikit-learn, Numpy, Pandas, Matplotlib, Theano, Keras.
  

Важный момент заключается в том, что все компоненты для работы в своем исходном состоянии «не родные» для систем Windows, поэтому в первую очередь эти инструкции относятся к пользователям Windows.