摘要：概述本文記錄機器學習庫在上的環(huán)境搭建，并在搭建好的環(huán)境上運行以驗證環(huán)境已經搭建成功工作之余學習一下，大勢所趨，別劃了呀跟上潮流呀安裝是一套通用機器學習開源框架，主要功能有部分分類回歸聚類降維模型選擇數(shù)據(jù)預處理使用的是語言，其安裝和運行還依賴

本文記錄機器學習庫Sklearn在Ubuntu上的環(huán)境搭建，并在搭建好的環(huán)境上運行example以驗證環(huán)境已經搭建成功；工作之余學習一下，大勢所趨，別劃了呀！跟上潮流呀！

Sklearn是一套通用機器學習開源框架，主要功能有6部分

分類

回歸

聚類

降維

模型選擇

數(shù)據(jù)預處理

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

安裝python

這里就不說了，默認機器上都會裝的，如果自己裝的話注意設置環(huán)境變量就行了

安裝pip

pip是什么，百度說是一個安裝和管理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

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

以下命令安裝一個畫圖工具，用它看程序運行結果

apt-get install python-matplotlib

安裝Sklearn

pip install -U scikit-learn

確認安裝

以下命令會列出當前系統(tǒng)安裝的所有python依賴

pip install -U scikit-learn

如果結果里有scikit-learn，說明已經安裝上了

到sklearn官網(wǎng)，點擊example進入General examples頁面，如圖

頁面上有很多機器學習的examples，就選取第一個例子，點擊進入

說這是一個Cross-Validated Predictions(交叉驗證預測)的例子，下面有代碼，可以下載下來，也可以自己寫，我是自己照著抄了一遍，熟悉一下python語法，現(xiàn)學現(xiàn)用，前兩天剛在w3c shcool上看了一下python語法大概什么樣子

這個例子的源碼如下，本文不進行代碼分析和例子的原理研究，使用這個例子的目的只是為了驗證環(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上寫好代碼，文件為plot_cv_predict.py，運行代碼

python plot_cv_predict.py 

運行結果如圖

說明環(huán)境已經搭建完成

關于人工智能的學習資料來源，主要來自以下內容

斯坦福大學 吳恩達機器學習公開課 : 機器學習的動機與應用
開發(fā)者頭條 普通程序員如何向人工智能靠攏