conda安装命令及应用

   Conda是一个开源的、跨平台的软件包管理和环境管理工具，可以简化软件包和依赖项的管理和部署过程，并支持多种语言，包括Python、R、Ruby、Lua、Scala、Java、JavaScript、C/C++和FORTRAN等。

Windows系统：

1. 下载并安装Anaconda：
   • 访问Anaconda官方网站（https://www.anaconda.com/products/individual），选择Windows平台对应的版本进行下载。
   • 双击下载的exe安装文件，并按照安装向导的指示进行安装。等待安装完成。
2. 启动conda并验证安装：
   • 打开命令提示符（cmd）或PowerShell。
   • 输入命令 conda -V 来验证conda的安装是否正确。如果成功安装了conda，它将显示版本信息。
3. 创建虚拟环境（可选）：
   • 使用命令 conda create -n <env_name> python=<version> 来创建一个新的虚拟环境，其中<env_name>是环境的名称，<version>是所需的Python版本。
   • 激活虚拟环境，使用命令 conda activate <env_name>。
4. 退出虚拟环境：
   • 使用命令 conda deactivate 来退出当前虚拟环境。

附上昨天下午讲解的knn算法鸢尾花案例：

鸢尾花数据集是一个常用的多类分类数据集，包含了150个样本，每个样本有4个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度），以及一个标签（鸢尾花的种类，包括setosa、versicolour、virginica三种）。

python复制代码

# 导入必要的库

from sklearn import datasets

from sklearn.model_selection import train_test_split

from sklearn.preprocessing import StandardScaler

from sklearn.neighbors import KNeighborsClassifier

from sklearn.metrics import classification_report, confusion_matrix

# 加载鸢尾花数据集

iris = datasets.load_iris()

X = iris.data

y = iris.target

# 划分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

# 数据标准化处理

sc = StandardScaler()

X_train_std = sc.fit_transform(X_train)

X_test_std = sc.transform(X_test)

# 创建KNN分类器

knn = KNeighborsClassifier(n_neighbors=3)

# 使用训练集数据训练模型

knn.fit(X_train_std, y_train)

# 使用测试集数据进行预测

y_pred = knn.predict(X_test_std)

# 打印分类报告和混淆矩阵

print(classification_report(y_test, y_pred))

print(confusion_matrix(y_test, y_pred))