使用Anaconda进行统计机器学习【1】

这学期跟着舍友旁听由佛罗里达大学吴大鹏教授的《统计机器学习》，参考教材为《Pattern Classification》,很喜欢吴老师的教学方式，时常理论联系实际，或者使用通俗易懂的例子进行类比讲解，作为数学学渣的我表示泪牛满面，总算遇上了一门听得懂的机器学习课程，十分感谢老师的教学。

昨天课程上老师推荐了Anaconda以及Theano、Keras作为进行机器学习的工具，Anaconda我也用了一段时间，很喜欢这个功能强大的Python科学计算发行版。接下来我将简单介绍Anaconda以及整体安装、配置过程。

一、Anaconda简介

Anaconda是Red Hat Enterprise Linux、CentOS、Fedora等操作系统的安装管理程序，本质上是一个软件发行版。它以Python及C语言写成，可以用来自动安装配置，包含了conda Numpy等科学包以及依赖项，如果需要节省带宽或存储空间，可以使用Miniconda这个较小的发行版（仅包含conda与Python）。Anaconda提供纯文字模式和GUI模式，用户可以安装在Windows，Linux，OS X等系统上，对本机上的Python以及包进行管理。

Anaconda官网为https://www.continuum.io/， 用户可根据自己的需求下载基于Python3以及Python2的版本，分别有64位与32位的区分，大小均不一样。除官网外，清华大学开源软件镜像站https://mirrors.tuna.tsinghua.edu.cn/ 也提供下载，后文将其设置为包下载的路径。我主要使用Python3，所以也将以此为例进行安装、配置的讲解。（但请相信3和2安装过程无异）

二、Anaconda安装与分支应用

双击安装包，依次点击next以及 I agree,接下来select installation type使用推荐的just me类别，location选择默认的位置，接下来就静等安装完成。

Anaconda安装完毕后安装文件夹如下图所示：

• Anaconda Navigator：强调内容图形化控制台，可以进行不同环境下包的升级，移除等管理。
• Anaconda Prompt：管理器，可以看做是cmd的另一个显式入口，可以在其中进行conda，pip等操作。
• IPython：Python的交互式编程环境，对特定保留词会有不同的显示方案。
• Jupyter QtConsole：进一步加强了IPython的功能，可以同时进行可视化与交互式过程
• Jupyter Notebook：进一步加强了Qt的功能，可以看做是一个基于浏览器的编程笔记本，我们可以在特定文件夹下进行新建笔记，编写代码并演示。其中代码可以是脚本形式，也可以是shell交互式。
• Spyder：一个类似MATLAB, RStudio的IDE工具，可以同时进行脚本与交互式编程，还可以查看变量与工作路径下的文档。对于有MATLAB使用经验的童鞋来说， Spyder上手很方便。

划重点：一般来说 Navigator，Prompt，Jupyter Notebook，Spyder使用频率最高，前两者对包进行管理，后两者进行代码编写以及测试。

三、Anaconda的简单配置

接下来我们将对已安装好的工具进行一定的配置，从而拥有更好的使用体验。

• Spyder：主要是对界面进行调整。打开Spyder，点击菜单栏Tools，选中Preferences，选择Syntax coloring，右边的Scheme中选择Monokai或者其他自己喜欢的配色方案，点击Apply以及OK.。Monokai方案底色为黑色，代码为亮色，对眼睛相对友好，且不影响阅读。然后调整窗口，使左侧为Editor窗口，右侧为IPython console等窗口，这样方便使用。
• Prompt：
• 1.设置清华开源软件镜像站为Anaconda仓库。打开cmd窗口，运行以下代码：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes

• 即可成功设置下载源为清华的TUNA站，加快国内用户安装速度。
• 2.安装课程要求的Theano包与Keras包。
  在cmd窗口运行 conda install theano，经过“fetch the metadata”与“solve the specification”后，弹出一串需要安装的包名称列表以及一句y/n的问句，输入y，然后等待自动下载安装。
  因为Keras的打开有基于Theano与TensorFlow两种方式，而pip install默认是基于TensorFlow这种，所有需要手动到https://github.com/fchollet/keras 下载安装包，解压后在keras/backend文件夹下找到init.py文件，找到第22行，将tensorflow改为theano,再将第44行中的_backend改为’theano’，将整个安装文件夹拷贝到Anaconda下，打开文件夹，在地址栏输入cmd打开命令行窗口，输入Python setup.py install进行keras的安装。
  安装完毕后可以在命令行中输入Python进入编程环境，再通过输入“import theano”与“import keras”以验证是否正确安装。
• 3.多环境多版本配置
  由于Python2与3一定的不兼容，以及不同开发使用的包并不相同。所以可以在同一Anaconda目录下，建立不同环境（这里可以简单理解为编程环境，即使用哪种Python版本进行何种方向的编程开发）进行开发。鉴于已有完整的中英文指导教程，这里就不赘述了。中文请参考http://www.jianshu.com/p/d2e15200ee9b，英文请参考https://conda.io/docs/test-drive.html。
  曾经我在Anaconda3下安装了个完整的Anaconda2，后面发现这种举措还是比较傻，其他不说，光硬盘空间就足以心疼了。通过Anaconda建立不同环境，方便了使用不同语言，进行不同的开发工作，例如主要的包安装的是基于3.6的Anaconda3，但现在又需要简单学习以下Python2.7，那么可以建立一个仅有Python2.7，pip等可执行文件的环境，这样大大节省了空间，又方便了自己的使用。

四、结语

本文简要介绍了Anaconda，安装过程，以及一些简单的配置，希望能对第一次接触Anaconda的童鞋有所帮助。

也是我的第一篇CSDN博客，Markdown编辑器用的不太习惯，排版有些杂乱，还请见谅。