机器学习系统设计(一)--入门之环境搭建
-
语言选择为什么选择python进行机器学习系统设计?
-
做为一门解释性高级编程语言,Python似乎是专门为机器学习而设计的,如果你是一个新手,完全可以使用Python大量便捷易用的库(往往用c语言编写的)来快速实现我们想要的功能,虽然python的执行效率比c,c++,java都慢,但是如果我们灵活运用python的库,会让我们开发效率是java的百倍。 - 完成同一个任务,C语言要写1000行代码,Java只需要写100行,而Python可能只要20行。
-
如果我是编程小白,怎么快速入门python?高手请忽略此步,新手请自觉移步-->1天入门Python(本文今后会写, 敬请关注我的稍后更新)
2. 环境搭建 - Anaconda Python介绍:
-
Anaconda Python是 Python 科学技术包的合集,功能和 Python(x,y) 类似。它是新起之秀,已更新多次了。包管理使用 conda,GUI基于 PySide,所有的包基本上都是最新版,没有PyQt和wxpython等,容量适中,但该有的科学计算包都有:numpy,sicpy,matplotlib,spyder....。Anaconda Python 是完全免费的企业级的Python发行大规模数据处理、预测分析和科学计算工具。Linux系统里面,Anaconda 安装、更新和删除都很方便,且所有的东西都只安装在一个目录中 /home/wxp/anaconda/,这点比下面的Canopy要好得多。Anaconda的开发和维护中有Python创始人和社区的核心成员。Anaconda目前提供Python 2.7.X和3.5.X两个最流行的发行包,这也是其他发行版所望尘莫及的。因此在各种操作系统中,无论是Linux,还是Windows、Mac,都推荐Anaconda!
-
安装anaconda:
下载地址:https://www.continuum.io/downloads/,安装步骤如下:
Mac:
Mac的安装很简单,下载下来正确的安装包,运行就可以了。安装完后我们打开终端,先键入python,回车,显示如下:
Python 3.5.2 |Anaconda 4.2.0 (x86_64)| (default, Jul 2 2016, 17:52:12)
没有报错就是正常,然后输入conda list,内容会跟windows一样:
会显示一列python的包。
Windows:
下载下来是一个可执行的exe文件,下载完成好,直接双击就可以安装了。
在安装的时候,假设我们安装在D盘根目录,如:
-
$ python
-
Python 3.5.2 |Anaconda 4.2.0 (x86_64)| (default, Jul 2 2016, 17:52:12)
-
[GCC 4.2.1 Compatible Apple LLVM 4.2 (clang-425.0.28)] on darwin
-
Type "help", "copyright", "credits" or "license" for more information.
-
>>>
安装路径
并且将两个选项都选上,将安装路径写入环境变量,写入环境变量后python代码就可以自动找到运行路径。
环境变量写入
这样就安装完成了,我们测试一下安装是否成功:
(1)打开windows的命令提示符,输入conda list 就可以查询现在安装了哪些库,如果显示出来的结果跟下图一样就安装成功了。常用的numpy, scipy名列其中。如果你还有什么包没有安装上,可以运行conda install *** 来进行安装。(***为需要的包的名称)如果某个包版本不是最新的,运行 conda update *** 就可以更新了。
cmd conda
(2)命令行键入:python,回车
如果显示界面如上图所示就OK了
-
安装的anaconda自带python,这样就方便许多,省去了我们安装python的时间。
3. 编译器选择
-
我建议大家选择PyCharm:
PyCharm是一种Python IDE,带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具,比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。
-
我觉得PyCharm最好用的功能是有个按钮可以方便运行我们的代码,这样我们就不用使用命令行了。
4.代码运行
-
新建一个python文件:
-
写入代码如下:
# coding=utf-8
print('你好!')
-
运行代码(run):
-
我们可以看到左下方已经显示了程序运行结果。