机器学习折腾记（0）：开启从ScikitLearn入门机器学习算法之旅

到2018年&＃xff0c;AI其实都没有这么火了&＃xff0c;因为区块链更火&＃xff0c;一个是改变生产力&＃xff0c;一个是改变生产关系&＃xff0c;社区如是说。

当然&＃xff0c;技术社区从来对去中心化都是特别热衷的&＃xff0c;这也就见怪不怪了&＃xff0c;2019年&＃xff0c;什么技术又会更火&＃xff1f;拭目以待。

最近&＃xff0c;短视频被降火&＃xff0c;这真的是计划没有变化快。

学习机器学习&＃xff0c;我的建议是&＃xff0c;有空就去看《深度学习》这本书&＃xff0c;能够从基础打牢AI相关知识。再了解了解业界最新进展什么的&＃xff0c;很多人都不知道机器学习该如何入门&＃xff0c;而很多文章一上来就说要学数学&＃xff0c;要看大牛们的公开课等等&＃xff0c;吓退了一波又一波人。

简单说&＃xff0c;机器学习不过是一种计算机算法&＃xff0c;只因他是我们认知里的智能有了联系&＃xff0c;加上需要大量数据的计算&＃xff0c;才让我们觉得有点高大上。实际上&＃xff0c;人工智能还有很长的路要走。

后续&＃xff0c;我会基于《机器学习系统设计》这本书&＃xff0c;分小结来具体实战带你入门机器学习&＃xff0c;只要你有一点点基础就行&＃xff0c;书名有点高大上&＃xff0c;而实际上就是一些算法分章节的介绍而已&＃xff0c;不要被名字吓到。

希望你在撸代码的同时&＃xff0c;对机器学习能渐渐有更深入的了解&＃xff0c;虽然DL4j和TensorFlow对于真实项目来说更好用&＃xff0c;但我还是建议你从纯python入门&＃xff0c;知其然并知其所以然&＃xff0c;而平时有空闲时还能快速用python学习并验证一下&＃xff0c;甚至写写别的什么应用&＃xff0c;况且TensorFlow就是基于python的。

环境配置

一台电脑&＃xff08;window或mac os&＃xff09;

工具版本

主要工具&＃xff1a;
Python 2.7.14&＃xff08;32位&＃xff0c;足够&＃xff09;
NumPy 1.14.2
SciPy 1.0.1
Scikit-learn 0.19.1

辅助工具&＃xff1a;
Matplotlib&＃xff1a; 2.2.2&＃xff08;是Python编程语言及其数值数学扩展包 NumPy的可视化操作界面。它为利用通用的图形用户界面工具包&＃xff0c;如Tkinter, wxPython, Qt或GTK&＃43;向应用程序嵌入式绘图提供了应用程序接口&＃xff08;API&＃xff09;。此外&＃xff0c;matplotlib还有一个基于图像处理库&＃xff08;如开放图形库OpenGL&＃xff09;的pylab接口&＃xff0c;其设计与MATLAB非常类似–尽管并不怎么好用。SciPy就是用matplotlib进行图形绘制。所以基本上都是附带引用。&＃xff09;
Ipython&＃xff1a;5.6.0&＃xff08;是一种基于Python的交互式解释器。相较于原生的Python Shell&＃xff0c;IPython提供了更为强大的编辑和交互功能。&＃xff09;
pandas&＃xff1a;0.22.0&＃xff08;是一个开源的库&＃xff0c;为Python编程语言提供了高性能&＃xff0c;易用的数据结构和数据分析工具。其实就是用来读文件&＃xff0c;清洗数据用的。&＃xff09;
Sympy&＃xff1a;1.1.1&＃xff08;是一个符号计算的Python库。支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散数学、几何学、概率与统计、物理学等方面的功能。&＃xff09;
nose &＃xff1a;1.3.7&＃xff08;Python的测试工具框架&＃xff09;

第1步&＃xff1a;安装python

双击.exe文件&＃xff0c;mac os安装我也不太清楚&＃xff0c;请查搜索引擎。

第2步&＃xff1a;安装NumPy及SciPy

一句命令就搞定&＃xff1a;

python -m pip install --user numpy scipy matplotlib ipython jupyter
pandas sympy nose

第3步&＃xff1a;安装Scikit-learn

python -m pip install -U scikit-learn

第4步&＃xff1a;安装IDE

推荐使用pycharm&＃xff0c;使用Wing也不错&＃xff08;因为曾经很长一段时间项目中都用它&＃xff0c;有点个人感情&＃xff09;
用惯了idea&＃xff0c;用pycharm会很顺手&＃xff0c;界面如下图&＃xff1a;

小结

今天的文章主要说了配置python的机器学习环境&＃xff0c;为了后续的学习先配好基础环境。

闲谈一分钟

很多人之所以觉得编程难学&＃xff0c;一方面是学习本身的时间成本&＃xff0c;而另一反面就是工具能不能用顺心&＃xff0c;再就是大多数人并不重视配置环境而造成的。·

不要小看配置环境的这个过程&＃xff0c;不同的版本可能会出现各种各样奇奇怪怪的编译问题&＃xff0c;所以能够快速的配置好一个可供学习的编程环境尤其重要&＃xff0c;特别对于初学者来说。

过去部署过程中踩过巨坑的人请举手&＃xff01;

个人认为&＃xff0c;甚至影响了对学习编程兴趣程度&＃xff0c;我过去使用Exclipse&＃xff0c;觉得编程好难好难&＃xff08;新版其实好用多了&＃xff0c;也有很多人喜欢用&＃xff09;&＃xff0c;而自从用了idea后&＃xff0c;我才发现&＃xff0c;原来哪怕只是一步的效率提升都能让感受完全不一样&＃xff0c;也可能因为我是个感性重于理性的人才会这样&＃xff0c;后来才明白只不过是一个偏好选择问题罢了。

当然python的环境配置比较简单了&＃xff0c;而要是让你配置一个AIX下的Oracle RAC呢&＃xff1f;而找到一件喜欢的工具&＃xff0c;对于学习本身是会起很大作用的。

参考资源&＃xff1a;

1、https://scipy.org/install.html
2、https://www.python.org/
3、http://scikit-learn.org/stable/install.html