building machine learning system with Python 学习笔记--从零开始机器学习（1）搭建环境

搭建学习环境：

Linux系统和Mac OS一般都自带了Python，在命令行直接输入python即可调用：



可以看到我的Ubuntu是Python3.6版本，建议用与本书一致的Python2.7版本

用pip list查看已安装的包，是否已有NumPy SciPy Scikit-learn三个包。没有则pip install 包名进行安装，可以在包名后指定版本，例如pip install numpy 1.6.2，不指定版本直接默认安装最新版本。

Windows系统以win7为例，可以在Python官网下载https://www.python.org/downloads/



64位的win7选择x86-64的文件，32位的选择x86

下载后的msi安装包双击即可安装

安装后需要配置环境变量，右键我的电脑，点击属性或者通过控制面板进入系统页面，点击高级系统设置_环境变量



选中Path变量，将Python安装位置的bin目录添加到变量值的后面，注意前面要有英文分号，结束可以添加分号也可以省略

环境变量就是告诉计算机去哪里找python.exe可执行文件，添加的是这个文件的所在路径



打开命令行窗口，输入Python，出现Python交互命令输入即配置成功



同样用pip list检查否已有NumPy SciPy Scikit-learn三个包，安装方法相同。

另推荐一个集成开发环境anaconda或者miniconda，基本上集成了所有需要用到的包，而且安装过程中可以选择自动配置环境变量，比较方便。

贴上知乎上对开发工具选择的讨论：https://www.zhihu.com/question/27615938

我是用的anaconda py2.7 64位版，选择对应自己电脑的版本下载，下载地址：https://www.continuum.io/downloads/



anaconda的安装和使用都有做了更好的总结，这里直接引用：

安装：http://blog.csdn.net/dq_dm/article/details/47065323

常用命令：http://blog.csdn.net/fyuanfena/article/details/52080270

miniconda是微缩版，下载地址：https://conda.io/miniconda.html

写本书中的代码用文本编辑器就够用了，用普通的文本编辑器可以培养下缩进、命名习惯

windows下用文本编辑器写好代码后，保存时注意不要默认成txt格式，要保存为.py结尾的文件，例如demo.py文件，执行该文件需要切换到文件所在目录，再执行python demo.py，或者在其他目录执行，要给出文件绝对/相对路径，例如 python d://**/demo.py

IDE有免费的spyder等等，我习惯用pycharm，社区版是免费的，企业版收费，但是某宝上很便宜。

到这里猪毛就剃完了~