摘要：概述本文記錄機(jī)器學(xué)習(xí)庫(kù)在上的環(huán)境搭建，并在搭建好的環(huán)境上運(yùn)行以驗(yàn)證環(huán)境已經(jīng)搭建成功工作之余學(xué)習(xí)一下，大勢(shì)所趨，別劃了呀跟上潮流呀安裝是一套通用機(jī)器學(xué)習(xí)開(kāi)源框架，主要功能有部分分類回歸聚類降維模型選擇數(shù)據(jù)預(yù)處理使用的是語(yǔ)言，其安裝和運(yùn)行還依賴

本文記錄機(jī)器學(xué)習(xí)庫(kù)Sklearn在Ubuntu上的環(huán)境搭建，并在搭建好的環(huán)境上運(yùn)行example以驗(yàn)證環(huán)境已經(jīng)搭建成功；工作之余學(xué)習(xí)一下，大勢(shì)所趨，別劃了呀！跟上潮流呀！

Sklearn是一套通用機(jī)器學(xué)習(xí)開(kāi)源框架，主要功能有6部分

分類

回歸

聚類

降維

模型選擇

數(shù)據(jù)預(yù)處理

Sklearn使用的是Python語(yǔ)言，其安裝和運(yùn)行還依賴pip、scipy和numpy等
Sklearn網(wǎng)站：http://scikit-learn.org/stabl...

安裝python

這里就不說(shuō)了，默認(rèn)機(jī)器上都會(huì)裝的，如果自己裝的話注意設(shè)置環(huán)境變量就行了

安裝pip

pip是什么，百度說(shuō)是一個(gè)安裝和管理python包的工具，知道這就夠了

apt-get install python-pip

安裝依賴

以下命令安裝sklearn需要的各種依賴庫(kù)

apt-get install build-essential python-dev python-numpy python-setuptools python-scipy libatlas-dev libatlas3-base  

以下命令安裝一個(gè)畫(huà)圖工具，用它看程序運(yùn)行結(jié)果

apt-get install python-matplotlib

安裝Sklearn

pip install -U scikit-learn

確認(rèn)安裝

以下命令會(huì)列出當(dāng)前系統(tǒng)安裝的所有python依賴

pip install -U scikit-learn

如果結(jié)果里有scikit-learn，說(shuō)明已經(jīng)安裝上了

到sklearn官網(wǎng)，點(diǎn)擊example進(jìn)入General examples頁(yè)面，如圖

頁(yè)面上有很多機(jī)器學(xué)習(xí)的examples，就選取第一個(gè)例子，點(diǎn)擊進(jìn)入

說(shuō)這是一個(gè)Cross-Validated Predictions(交叉驗(yàn)證預(yù)測(cè))的例子，下面有代碼，可以下載下來(lái)，也可以自己寫(xiě)，我是自己照著抄了一遍，熟悉一下python語(yǔ)法，現(xiàn)學(xué)現(xiàn)用，前兩天剛在w3c shcool上看了一下python語(yǔ)法大概什么樣子

這個(gè)例子的源碼如下，本文不進(jìn)行代碼分析和例子的原理研究，使用這個(gè)例子的目的只是為了驗(yàn)證環(huán)境搭建是否成功

from sklearn import datasets
from sklearn.model_selection import cross_val_predict
from sklearn import linear_model
import matplotlib.pyplot as plt

lr = linear_model.LinearRegression()
boston = datasets.load_boston()
y = boston.target

# cross_val_predict returns an array of the same size as `y` where each entry
# is a prediction obtained by cross validation:
predicted = cross_val_predict(lr, boston.data, y, cv=10)

fig, ax = plt.subplots()
ax.scatter(y, predicted, edgecolors=(0, 0, 0))
ax.plot([y.min(), y.max()], [y.min(), y.max()], "k--", lw=4)
ax.set_xlabel("Measured")
ax.set_ylabel("Predicted")
plt.show()

在Ubuntu上寫(xiě)好代碼，文件為plot_cv_predict.py，運(yùn)行代碼

python plot_cv_predict.py 

運(yùn)行結(jié)果如圖

說(shuō)明環(huán)境已經(jīng)搭建完成

關(guān)于人工智能的學(xué)習(xí)資料來(lái)源，主要來(lái)自以下內(nèi)容

斯坦福大學(xué) 吳恩達(dá)機(jī)器學(xué)習(xí)公開(kāi)課 : 機(jī)器學(xué)習(xí)的動(dòng)機(jī)與應(yīng)用
開(kāi)發(fā)者頭條 普通程序員如何向人工智能靠攏