机器学习的主要任务：
分类：将实例数据划分到合适的分类中
回归：主要用于预测数值型数据
分类和回归属于监督学习，监督学习必须知道预测什么，即目标变量的分类信息
无监督学习：数据没有类别信息，也不会给定目标值。
在无监督学习中，将数据集合分成由类似的对象组成的多个类的过程称为聚类；
将寻找描述数据统计值的过程称之为密度估计。
1. 输入任意数组：
from numpy import *print(random.rand(4,4))
输出：
[[0.83142886 0.37192316 0.25799572 0.01936341][0.70383839 0.10545903 0.31602348 0.26564487][0.62372209 0.8856153 0.04425143 0.09811542][0.03086031 0.70999438 0.50756522 0.89523833]]
2. 矩阵
from numpy import *rd=random.rand(4,4)#打印随机数组print(rd)rm=mat(rd)#打印数组转化后的矩阵print(rm)#打印矩阵的逆运算print(rm.I)
输出
[[0.32618362 0.88181772 0.73023717 0.71091901][0.75438306 0.55220343 0.21725572 0.83780348][0.48311814 0.99230996 0.75381116 0.23627349][0.22763927 0.70057059 0.8101 0.88443622]][[0.32618362 0.88181772 0.73023717 0.71091901][0.75438306 0.55220343 0.21725572 0.83780348][0.48311814 0.99230996 0.75381116 0.23627349][0.22763927 0.70057059 0.8101 0.88443622]][[-5.21507507 1.46536287 2.26699771 2.19821216][ 7.10337898 -0.59340981 -1.65174532 -4.70639109][-6.54479433 -0.26247007 2.55419703 4.8270615 ][ 1.71107913 0.33332533 -1.61493618 -0.12904628]]
