一、100-Days-Of-ML-Code
最近 GitHub 上一个小哥的“一百天机器学习代码” repo 大火，正在撸前端的我按捺不住内心的激动，急忙讨好某大佬混进了一个学习群，给自己挖了一个深坑。
虽然工作繁忙，学习压力也大，但是既然进来了就没有怂的道理，周末了，稍微总结一下，在原文及翻译的基础上加点自己的理解，希望能给后续学习的小伙伴提供一些帮助。
致谢贡献 repo 的小哥~目前 Star 已经 6600+ 了，内容绝对远超国内一些付费课程。欢迎访问：
GitHub - Avik-Jain/100-Days-Of-ML-Code
另外热心群众在跟小哥沟通后搞了一个中文版，本来想申请进翻译组的，但看他们进度嗖嗖的，已经没有可以用到我的地方了，英文阅读有困难的同学可以参考：
GitHub - 100-Days-Of-ML-Code中文版
二、环境搭建
众所周知，机器学习数据分析的首选语言是 Python，我们应该如何优雅地使用 Python 进行机器学习编程呢？这里首推使用 Anaconda + Jupyter Notebook 搭建开发环境。
1 Anaconda
Anaconda 是什么？
开发过程中，遇到不同的项目使用不同版本的库是不是很头疼？
Conda 是一个使用 Python 编写的开源的包管理系统和环境管理系统，具有跨平台和管理多语言项目的能力，它允许用户轻松安装不同版本的软件以及各种编程语言所需要的库，用户可以在多种软件版本中切换。
Anaconda 可以看作是增值版的 Python，并使用 Conda 进行包管理。它附带了可进行大规模数据处理、预测分析和科学计算等的包，乃是进行数据分析的一大利器。
如何安装 Anaconda
官网下载地址：Download Anaconda
按照自己的系统类型选择相应的安装包然后安装即可。Win10 用户安装时请右键选择以管理员身份运行。安装过程比较简单，一路点下去即可。
以 Windows 为例，安装完以后，运行 Anaconda 的终端——Anaconda Prompt。（Win10 右键管理员身份运行）
在终端中输入 conda list，出现以下界面，则说明安装成功。
之后更新所有的包，在终端中输入：
conda upgrade --allAnaconda 基础操作
安装包
在终端中使用如下命令安装包：
conda install packge_name默认安装指定包的所有版本，也可以通过添加版本号来指定需要的版本。(如 conda install numpy=1.10)
卸载包
conda remove packge_name更新包
conda update packge_name可以使用 conda update –all 来更新环境中所有的包。
列出已经安装的包
conda list安装好 Anaconda 后，就可以安装神器 Jupyter Notebook 啦！
2 Jupyter Notebook
Jupyter Notebook 是什么？
Jupyter Project 是 IPython 的一个衍生项目，以 Julia，Python 和 R 作为核心编程语言，支持几十种语言的执行环境（内核）。
Jupyter Notebook 是 Jupyter 的 Web 交互式计算环境，Jupyter Notebook 文档(.ipynb)实际上是一个 JSON 文档，可以包含代码、文本（Markdown）、数学公式、图形和多媒体。
使用 Jupyter Notebook，可以让你的文档和代码相辅相成，它的优秀的可视化能力，使得数据分析工程师能够专注于分析过程，而不必在可视化方面下太多心思。
安装 Jupyter Notebook
在 Anaconda Prompt 终端中输入:
conda install jupyter notebook即可。Anaconda 会自动下载相关包与依赖。
使用 Jupyter Notebook
可以直接在开始菜单中启动 Jupyter Notebook，这样会在默认的工作目录下新建 .ipynb 文件。如果想要在某一指定文件夹启动，则需要先在 Anaconda 终端中进入该文件夹，然后执行
jupyter notebook命令。接下来 Jupyter Notebook 服务器会被启动，默认的端口是 8888。浏览器会自动打开 http://localhost:8888/tree 页面。
我们可以按照需要建立子文件夹，然后点击右侧的 New，选择相应的环境（这里我们选择 Python [default]）
新的 Notebook 就被创建好啦！让我们在代码块中写入第一行代码：
按 Ctrl + Enter 快捷键，即可执行该代码块。左侧的 In [1] 指该代码块的执行顺序。我们可以把代码片段放在不同的代码块中，需要哪块运行哪块，非常有利于代码的调试。
可以使用快捷键来提高编码效率：CSDN - Jupyter Notebook 的快捷键
同时， 可以在 Anaconda 终端中安装代码自动补全包
conda install pyreadline嗯，到这里，进行数据分析所需的 Python 环境就搭建好啦！接下来，让我们一同开始机器学习之旅。