如何下载Python的机器学习包

如何下载Python的机器学习-自然语义处理包NLTK

 

1、打开Ptyhon命令行

2、下载nltk

pip install nltk

3、允许nltk下载器

import nltk

nltk.download()

4、在下载器界面里，选择“all”，下载全部文件

5、因为下载国外网站的大文件很慢，也可以设置代理服务器

>>> nltk.set_proxy('http://proxy.example.com:3128', ('USERNAME', 'PASSWORD'))

>>> nltk.download()

 

 

手动安装

前面的方法，安装起来慢、又容易出现问，所以也可以手动安装。

 

1、创建一个文件夹nltk_data，比如C:\nltk_data，或 or /usr/local/share/nltk_data,

2、在这个文件夹下，创建子目录：chunkers, grammars, misc, sentiment, taggers, corpora, help, models, stemmers, tokenizers

3、在http://nltk.org/nltk_data/ 下分开下载包（可以参考download链接）

把这些包解压缩到对应的子目录。

比如，https://raw.githubusercontent.com/nltk/nltk_data/gh-pages/packages/corpora/brown.zip 文件被解压到nltk_data/corpora/brown .

4、设置电脑环境变量NLTK_DATA ，指向nltk_data文件夹。

或者，通过命令 from nltk.book import *，来查nltk_data路径在哪儿。

5、也可以从网盘下载。目前网友贡献了2个网盘。要下载大的那个。

网盘是2019年5月30日最后更新，基本够了；因为这个nltk_data语料库大不符都是好几年前的，最新更改的也是一年多前的。

第一个：链接：https://pan.baidu.com/s/1iJGCrz4fW3uYpuquB5jbew 提取码：o5ea

第二个: 链接：https://pan.baidu.com/s/1ekdZl1ows34n02mMGLx9jA 密码：zn68

6、通过nltk.download()打开下载器，看看里面红色的包还多不多。

如果有，多点几次刷新；然后再单选依然红色的包，再逐个选择下载。

可以反复重启、下载。

之所以不大好安装nltk_data，主要是跨国下载，网速太慢。

 

 

 

遇到下载错位怎么办——Error 11004，链接不了服务器

 

1、如果遇到 [Error 11004]getaddrinfo failed，那是链接不了服务器

是“找不到 raw.githubusercontent.com 的服务器 IP 地址”的错误。

 

2、可以改变电脑系统的ip映射

3、在C:\Windows\System32\drivers\etc 路径下找到hosts文件，并在最后添加 199.232.68.133 raw.githubusercontent.com IP地址，并保存。这时再打开NLTK下载器，便可以正常打开。

4、如果raw.GitHub的IP地址更换得比较频繁，那么先查询该网址的IP地址后再修改hosts文件。打开查询IP地址的网址：https://www.ipaddress.com/

输入如下代码，按Enter：raw.githubusercontent.com

 

在下载器里，遇到下载out off date怎么办？

 

1、All packages页签里，点击单个包，重新下载

2、到https://github.com/nltk/nltk_data，下载

如果是全部包一起下载，就要放命名为nltk_data，放在以下任一路径：

/usr/lib

/usr/local/lib

安装完以后，测试NTLK是否下载成功

 

测试输出NTLK布朗文本语料库前十个单词：

>>> from nltk.corpus import brown

>>> brown.words()

['The', 'Fulton', 'County', 'Grand', 'Jury', 'said', ...]

 

 

安装NTLK中文包

 

1、下载：python -m spacy download zh_core_web_sm

2、测试是否安装成功：

import spacy

nlp = spacy.load("zh_core_web_sm")

doc = nlp("No text available yet")

print([(w.text, w.pos_) for w in doc])