一、机器学习实战 classvec 是什么意思
一般机器学习公人的数据集是UCI提供的，这是网址
二、大数据专业主要学什么？
大数据技术专业属于交叉学科：以统计学、数学、计算机为三大支撑性学科；生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。
此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才(有专业知识、有数据思维)。
以中国人民大学为例：
基础课程：数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践。
必修课：离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概论、计算机系统基础、并行体系结构与编程、非结构化大数据分析。
选修课：数据科学算法导论、数据科学专题、数据科学实践、互联网实用开发技术、抽样技术、统计学习、回归分析、随机过程。
三、关于学习机器学习？
除了写代码实现里面提到的算法外，对相关公式的推导也要有所了解。我没看过这个视频，但我看的有关机器学习的书里面更侧重的是理论吧。代码谁都可以编写，但这些理论并不是每个人都能搞清楚的；而且理论都弄得一清二楚绝对可以写出来代码，但只会编码却不一定能够搞清楚为什么要这么做。
四、数据挖掘SPSS，Python，《机器学习实战》先学什么好
SPSS也仅仅是把成熟的方法放到软件里面，它和Weka，RapidMiner本质上没什么区别。
个人不太熟悉图像，但是隐约觉得SPSS是偏向统计的，和图像处理没啥关系吧。这个仅仅是自己的一点疑惑而已。
好，正经回答你的问题。SPSS其实蛮好学的，没必要和其他摆到一个层面上，我猜你是要学习SPSS模块中的那些统计方法吧。SPSS中的方法大多是统计方法，和《机器学习实战》中的方法不一样。不过你先学习统计方法，再看《机器学习实战》也不错。
至于Python基础，在看《机器学习实战》之前的确看一下《Python学习手册》这类的入门书比较好。因为Python语法比较简单，所以说也不用有什么负担，看几天就会了，然后再顺着《机器学习实战》一边看一边code就好了。
顺序如下：
SPSS中的统计方法
Python基础
《机器学习实战》
P.S. SPSS中的统计方法都很经典，会用的话，其实不用看很长时间，但是如果想自习钻研，就是统计学了，里面的知识也很丰富。
五、python 变量的命名
createPlot.ax1 是表示： ax1 是函数 createPlot 的一个属性，这个可以在函数里面定义也可以在函数定义后加入也可以
example：
def fun():
fun.x =1
当你在python的命令窗口下，运行一次fun()后，x 就是 fun()的一个属性，你在命令窗口下输入
fun.x 后面会显示 1
也可以 在 函数定义完后加入 属性 如 fun.y = 2,在使用 dir(fun)，你就会发现fun有 x,y 这两个属性
六、机器学习实战笔记 梯度下降跟梯度有关吗
函数的梯度是指它在这一点处增长最快的方向，显然负梯度方向就是下降最快的方向。
梯度下降方向就是和负梯度方向的夹角小于90度的方向，也就是和负梯度方向的内积小于0，沿着梯度下降方向移动，函数的值会减小。
因此最小化一个函数的通常做法是：从某一点出发，找到该点的梯度下降方向）沿着这个方向移动一定的距离。不断迭代，直到满足终止准则。
目前几乎所有的机器学习求解算法都是基于梯度下降的，例如OWLQN、SGD、Async-SGD等
