一文读懂机器学习必备系统：Linux(附常用命令&高级命令)

来源：机器之心

本文长度为3208字，建议阅读5分钟

本文为你梳理Linux系统的基本特性，介绍一些Linux常用指令，助你快速上手。

Linux因其稳定性获得了不少开发者的青睐，同时也成为大多数服务器的操作系统，对于机器学习开发者来说，使用Mac/Linux系统几乎是必须的。然而由于上手难度较大，很多人对其望而却步。本文将介绍一些Linux常用指令以帮助你快速上手。

随着软件系统的不断发展，今天，不同的操作系统对应着不同的适用人群：Windows面向办公室和商用，Mac面向创意人群，而Linux面向软件开发者。对于操作系统提供商而言，这种市场分割大幅度简化了产品技术需求、用户体验和产品方向上的投入。然而，这也加剧了兼容性问题，让不同业务进入了狭窄、互不相容的领域：商务人士无法对创意提供洞察力，而开发者也无法深入到商务决策中去。

在现实中，知识和技能是流动的，跨越多个学科和领域。与其说“你只能擅长一件事”的理念是迈向精通的路线图，还不如说一种过早优化的方法。一旦从社会中采样大量的任务，你就只能知道你擅长什么，也许你还发现自己擅长它们中的很多。

对于现代的业务分析师，弥补业务与软件之间的鸿沟尤其重要。业务分析必须是“双重平台”，能够利用仅在Linux（或OS X）上可用的命令行工具，但是仍然受益于Windows的Microsoft Office。可以理解的是，Linux会使具有商学学位的人感到恐惧。幸运的是，正如大多数事情一样，你只需20%的任务即可完成80%的工作。下面是我的20%。

业务分析是基于数据的，而机器学习正是强大的数据分析工具。我们利用机器学习模型分析数据最好的环境却恰恰是Linux系统，这不仅是因为它支持广泛的Python机器学习库，同时在于环境配置与管理的简单明了。因此，本文将为机器学习读者梳理Linux系统的基本特性与命令。

为什么机器学习分析师需要了解Linux

由于其开源的底层，Linux不断从数以万计的开发者贡献中受益。他们构建的程序和工具不仅使其工作更简单，也简化了跟随他们的编程人员的工作。结果，开源开发带来了一种网络效应：在平台上构建工具的开发者越多，能够利用这些工具立刻编写其程序的其他开发者就越多。

结果就是Linux中编写的Linux程序和实用工具（统称为软件）的扩展套件——其中很多从未用于Windows。一个示例是被称作git流行的版本控制系统（VCS）。开发者本可以编写这一在Windows工作的软件，但是却没有。他们让其在Linux命令行上工作，因为生态系统已经提供全部所需的工具。

具体来说，Windows上的开发有两个主要问题：

• 基本任务，比如文件解析、工作调度和文本搜索比运行命令行工具更为重要。

• 编程语言（比如 Python、C++）及其相关代码库会引发错误，因为它们期望特定的 Linux 参数或文件系统定位。

这意味着若想在Windows上进行开发，我们需要花费更多的时间来重写Linux中已有的基本工具，并排除操作系统兼容性错误。这并不令人意外——Windows生态系统当初并没有考虑软件开发设计的需求。

借助这个Linux开发案例，让我们从最基本的开始。

Linux的基本单元：“shell”

“shell”（也被称为终端、控制台或命令行）是一个基于文本的用户界面，通过它把命令发送给机器。在Linux中，shell的默认语言是bash。与主要在Windows内部进行点击操作的Windows用户不同，Linux开发者坚持使用键盘把命令输入到shell。对于那些没有编程背景的人来说，这种转变一开始也许会不自然，但是在Linux中开发的好处很容易超过最初的学习投资。