2017年人工智能的火把Python烧的热血沸腾,听说很多公司因为Python开发人员需求暴涨导致的薪资上升而不得不切换到其他语言上去(好像需求爆涨和薪资上升都跟我没沾上半点关系,还是苦逼一个,:))。
既然如此,我们这些与AI不相干的Pythoner也来蹭一蹭Python人工智能这团火,看看能不能从中取一点暖。所以就有了这套《Python 极简入门》的文章。
没敢称之为“教程”,是因为本来就是个半吊子,然后又讲一个半吊子的东西,纯属自娱自乐,入不了专业AI人士的法眼(专业人士可以绕过了)。
又因为是半吊子讲半吊子的东西,所以整套文章不会有公式和算法的详细讲解(专业人士可以再次绕过了),我们从不生产算法,我们只是机器学习库的搬运工。
不要介意做一个调库侠,工具的发明本来就是为了降低某些操作的难度,还不是专业人士,暂且不用自己创造改造算法,轮子太多,拣着合适的用就行。废话不多说,开始~
一、创建一个Virtual虚拟环境
为了不与本地的Python 环境有冲突,我们使用virtualenv模块创建一个新的Python虚拟环境:
virtualenv python_ai
如下图所示,安装完成:
接着启动python_ai这个虚拟环境:
Scripts\activate
二、安装所需的模块
进行python_ai这个虚拟环境之后,我们来安装所需要的模块,其中主要有:
numpy:用于科学计算的基本模块
scipy:科学计算工具箱
pandas:数据分析和处理模块
scikit-learn:机器学习经典算法的集成包
nltk:自然语言处理模块
jieba:中文分词模块
jupyter:一个交互式的笔记本,我们的代码的主战场
其他没有列出的模块,在后面的文章中有使用时会提及大家安装。大部分模块都可以使用pip命令直接安装完成,少部分使用pip命令直接安装不了的,可以通过https://www.lfd.uci.edu/~gohlke/pythonlibs/ 网站下载模块的whl文件,再通过pip命令安装这些whl文件。
pip install pandas
安装pandas模块会附带安装上pandas的依赖库,其中包括Numpy等:
pip install scikit-learn
使用pip命令也可直接安装scikit-learn:
pip install scipy
scipy模块也能通过pip直接安装完成:
pip install jupyter
jupyter的依赖库很多,但也能顺利通过pip命令安装完成:
接下来是jiaba和nltk模块,都能够顺利安装:
三、测试模块
模块安装好之后,我们来测试一下这些模块的安装是否正确。在命令行输入命令:
jupyter notebook
以启动jupyter笔记本:
在Home页面新建一个Python3的notebook:
在新的notebook中导入刚刚安装好的模块,并打印其版本号:
import numpy as np
import pandas as pd
import scipy
import sklearn
import nltk
import jiaba
print(np.__version__)
print(pd.__version__)
print(scipy.__version__)
print(sklearn.__version__)
print(nltk.__version__)
print(jieba.__version__)
结果成功显示,没有报错:
这样,我们用于Python AI预测的环境就搭建好了,下一节,我们将介绍机器学习的工作流。
分享到: