有一些平台安装Python机器学习环境可能很麻烦。
首先你得安装Python，然后安装许多软件包这很容易把初学者搞懵。
在本教程中，你将学会如何用Anaconda设置Python机器学习开发环境。
完成本教程后，你将拥有一个Python工作环境，可以让你学习、练习和开发机器学习和深度学习软件。
本说明适用于Windows，Mac OS X和Linux平台。我将在OS X上演示它们，因此你可能会看到一些mac对话框和文件扩展名。
- 更新 2017/03：注：你需要一个Theano或TensorFlow才能使用Kears进行深度学习。
教程概述
在本教程中，我们将介绍如下步骤：
- 下载Anaconda
- 安装Anaconda
- 启动和更新Anaconda
- 更新 scikit-learn库
- 安装深度学习库
下载蟒蛇
在此步骤中，我们将为您的平台下载Anaconda Python。
Anaconda是一个免费且易于操作的科学Python环境。
- 1.访问Anaconda主页。
- 2.从菜单中点击“Anaconda”，点击“下载”进入下载页面。
3.选择适合您平台的下载（Windows，OSX或Linux）：
- 选择Python 3.5
- 选择图形安装程序（Graphical Installer）
将Anaconda Python包下载到您的工作站。
我在OS X上，所以我选择了OS X版本。文件约426 MB。
你应该下载到一个名称如下的文件：
Anaconda3-4.2.0-MacOSX-x86_64.pkg
2.安装蟒蛇
在此步骤中，我们将在您的系统上安装Anaconda Python软件。
此步骤假定你具有足够的管理权限来在系统上安装软件。
- 1.双击下载的文件。
- 2.按照安装向导。
安装很顺利应该不会遇到棘手的问题
安装需要不到10分钟，占用硬盘上1 GB的空间。
3.启动和更新蟒蛇
在此步骤中，我们将确认您的Anaconda Python环境是不是最新的。
Anaconda配有一套名为Anaconda Navigator的图形工具。您可以从应用程序启动器打开Anaconda Navigator。
您可以点击这里了解有关Anaconda Navigator的所有信息。
我们稍后使用Anaconda Navigator和图形开发环境; 现在，我建议从Anaconda命令行环境开始，它被称为conda。
Conda快速，简单，不会遗漏错误信息，您可以快速确认您的环境已安装并正常工作。
- 1.打开终端（命令行窗口）。
- 2.通过键入以下内容，确认正确安装：
1 |
conda-V |
你应该看到以下（或类似的东西）：
1 |
conda4.2.9 |
- 3.键入以下内容，确认Python已正确安装：
1 |
python-V |
你应该看到以下（或类似的东西）：
Python 3.5.2 :: Anaconda 4.2.0 (x86_64)
如果命令不起作用或报错，请查看平台的帮助文档。
也可以参阅“延伸阅读”部分的一些资料。
- 4.为确认您的conda环境是最新的，请输入：
1 |
conda update conda |
2 |
conda update anaconda |
你可能需要给一些包安装更新。
- 5.确认您的SciPy环境。
下面的脚本将打印您需要用于机器学习开发的关键SciPy库的版本号，如： SciPy、NumPy、Matplotlib、Pandas、Statsmodels和Scikit-learn。
您可以键入“python”然后直接键入命令。但我建议打开一个文本文档，并将脚本复制到文档中。
01 |
# scipy |
02 |
import scipy |
03 |
print('scipy: %s' % scipy.__version__) |
04 |
# numpy |
05 |
import numpy |
06 |
print('numpy: %s' % numpy.__version__) |
07 |
# matplotlib |
08 |
import matplotlib |
09 |
print('matplotlib: %s' % matplotlib.__version__) |
10 |
# pandas |
11 |
import pandas |
12 |
print('pandas: %s' % pandas.__version__) |
13 |
# statsmodels |
14 |
import statsmodels |
15 |
print('statsmodels: %s' % statsmodels.__version__) |
16 |
# scikit-learn |
17 |
import sklearn |
18 |
print('sklearn: %s' % sklearn.__version__) |
将脚本保存为名称为versions.py的文件。
在命令行中，将目录更改为保存脚本的位置然后键入：
1 |
python versions.py |
您应该看到如下输出：
1 |
scipy:0.18.1 |
2 |
numpy:1.11.1 |
3 |
matplotlib:1.5.3 |
4 |
pandas:0.18.1 |
5 |
statsmodels:0.6.1 |
6 |
sklearn:0.17.1 |
4.更新scikit-learn库
在这一步中，我们将在Python中更新用于机器学习的库，名为scikit-learn。
- 1.更新scikit-learn到最新版本。
在撰写本文时，Anaconda发行的scikit-learning版本已经过期（0.17.1，而不是0.18.1）。您可以使用conda命令更新特定的库; 以下是将scikit-learn更新到最新版本的示例。
输入：
1 |
conda update scikit-learn |
你也可以键入如下内容把他升级到特定的版本：
1 |
conda install-c anaconda scikit-learn=0.18.1 |
为了确认是否安装成功，你可以键入以下内容重新运行version.py脚本:
你应该看到如下的输出:
1 |
scipy:0.18.1 |
2 |
numpy:1.11.3 |
3 |
matplotlib:1.5.3 |
4 |
pandas:0.18.1 |
5 |
statsmodels:0.6.1 |
6 |
sklearn:0.18.1 |
你可以根据需要使用这些命令更新机器学习和SciPy库。
点击下方链接阅读scikit-learn教程：
5.安装深度学习库
在这一步中，我们将安装用于深度学习的Python库，主要是：Theano，TensorFlow和Keras。
注意：我建议使用Keras进行深度学习，而Keras只需要安装Tnano或TensorFlow中的一个。在某些Windows系统上安装TensorFlow可能会出现问题。
- 1.通过键入以下内容安装Theano深度学习库：
1 |
conda install theano |
- 2.安装TensorFlow深度学习库（Windows除外），键入以下内容：
1 |
conda install-c conda-forge tensorflow |
或者，您可以选择使用pip和特定版本的tensorflow为您的平台进行安装。
详情请参阅tensorflow的安装说明。
- 3.通过键入以下内容安装Keras：
1 |
pip install keras |
- 4.确认您的深入学习环境已安装并正常工作。
创建一个脚本，该脚本打印每个库的版本号，就像我们上面为安装SciPy环境所做的那样。
1 |
# theano |
2 |
import theano |
3 |
print('theano: %s' % theano.__version__) |
4 |
# tensorflow |
5 |
import tensorflow |
6 |
print('tensorflow: %s' % tensorflow.__version__) |
7 |
# keras |
8 |
import keras |
9 |
print('keras: %s' % keras.__version__) |
将脚本保存成文件deep_versions.py。输入以下命令来运行脚本：
1 |
python deep_versions.py |
你应该看到如下输出：
1 |
theano:0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203 |
2 |
tensorflow:0.12.1 |
3 |
Using TensorFlow backend. |
4 |
keras:1.2.1 |
尝试一下Keras深度学习教程，如：Anaconda
进一步阅读
本节提供一些进一步阅读的链接。
总结
恭喜你现在拥有一个用于机器学习和深入学习的工作Python开发环境。
你现在可以在工作站上学习和练习机器学习和深度学习。
