自己摸索:机器学习从0到1系列---2 环境安装
来源:互联网 发布:dva的防御矩阵 编辑:程序博客网 时间:2024/05/24 20:07
首先,需要先学习 python 语言
相关的学习资料很多,我这里学习使用的是:《Python语言及其应用》 和 《利用Python进行数据分析》 两本书
Python 相关的知识,可以在接下来的实战中边学边用。
我首先花了两天时间,把《Python语言及其应用》这本书快速的通读了一遍,了解了 python 的基本语法,可以看大部分的 python 代码,把书的关键点索引了下来,记得不清楚的,知道需要的时候翻到书的哪一页去详细阅读。
按照《机器学习算法编程与实践》的要求,先把环境搭建起来。
环境搭建,也是考验一个人快速学习和动手能力的体现。
我用的是 win7 环境,所以在 windows 下进行学习
1 安装Python-2.7.9.amd64.msi
2 将python, pip加到环境变量里
3 安装wheel
例如在我的环境下这样安装:
C:\Users\Administrator>pipinstall wheel
4 进入http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy
5 下载numpy-1.11.3+mkl-cp27-cp27m-win_amd64.whl
修改名字为:numpy-1.11.3+mkl-cp27-none-win_amd64.whl
进行安装
例如:
C:\>pipinstall "numpy-1.11.3+mkl-cp27-none-win_amd64.whl"
6 安装SciPy
C:\>pipinstall scipy-0.19.0-cp27-none-win_amd64.whl
7 安装matplotlib-2.0.0-cp27-none-win_amd64.whl
C:\>pipinstall matplotlib-2.0.0-cp27-none-win_amd64.whl
8 安装scikit_learn-0.18.1-cp27-none-win_amd64.whl
C:\>pipinstall scikit_learn-0.18.1-cp27-none-win_amd64.whl
其它的需要安装的可以参考下图
安装完成以后,在 cmd 命令行下,输入:pip list 看看我们安装了哪些包
这里,《利用Python进行数据分析》 这本书开始起作用了,我们来看看几个关键的安装的包
Numpy: 科学计算的基础包
Matplotlib: 绘制数据表的库
Scipy: 科学计算包,对 Numpy 的补充
接下来,开始学习《利用Python进行数据分析》这本书,先了解了解Numpy 如何使用。
- 自己摸索:机器学习从0到1系列---2 环境安装
- 自己摸索:机器学习从0到1系列---1 入门的准备
- 机器学习从0到1入门实录
- 机器学习环境安装
- 自己摸索搭建的lamp环境步骤
- 从游泳到机器学习
- vue2.0从入门到努力(1)--安装环境
- 机器学习Python环境安装
- Python机器学习环境安装
- ubuntu安装机器学习环境
- 机器学习系列:(四)从线性回归到逻辑回归
- 机器学习系列:(九)从感知器到支持向量机
- 机器学习系列:(十)从感知器到人工神经网络
- 机器学习系列:(九)从感知器到支持向量机
- 机器学习系列:(十)从感知器到人工神经网络
- 从机器学习到深度学习
- Centos7.0 64位编译安装Nachos4.1 32位以及搭建交叉编译环境从尝试到放弃系列(一)
- 驱动摸索[2]:安装EasySYS
- caffe在window下无GPU的安装、注意点和网络的参数解释!
- 利用fiddler 截获微信传输数据 (方便抓取公众号信息)
- FCC -- Sum All Numbers in a Range(给定数字范围求和)
- Protocol Buffers Style Guide
- Spring学习笔记之--SpEL
- 自己摸索:机器学习从0到1系列---2 环境安装
- C++使用CHttpFile实现Http请求
- CentOS 7 编译安装Nginx
- background和background-Color的区别
- [网络流24题] 飞行员配对方案问题 最大流 二分图最大匹配
- 由Kotlin纪念ActionScript和Flex
- Essbase 11g EAS 加载 SQL 数据源中文乱码问题
- 【Android界面实现】整合了刷新、加载更多、滑动删除功能的XListview
- Mac Nginx 配置 Tomcat 配置 jdk环境变量 Nginx部署服务遇到的坑(3)