这个学期开了一门课,机器学习
然后实验部分用的是这本教材:机器学习实战:基于Scikit-Learn.Keras和TensorFlow 奥雷利安·杰龙,第几版的就不知道了。
用最新的机器学习库,一定会产生各种各样的bug,对于新手不友好。因为这本书用到的包都比较老,很多方法被删除或者改了名,很不方便。所以我花了一下午的时间,配置了一个差不多的环境。
根据此书环境要求:
Python version: 3.5.2 |Anaconda 4.1.1 (64-bit)| (default, Jul 2 2016, 17:53:06)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)]
pandas version: 0.18.1
matplotlib version: 1.5.1
NumPy version: 1.11.1
SciPy version: 0.17.1
IPython version: 5.1.0
scikit-learn version: 0.18
书上说到:这些版本不一定要精确匹配,但scikit-learn 的版本不应低于本书使用的版本。
这句话是真的坑爹,他用的scikit-learn version: 0.18,然而最新的scikit-learn 1.0.1一定是改了好多内容的,导致书中内容很多都会出现BUG!
所以版本不要低于0.18,也不要太高。所以我选择使用0.18
python必须选择3.5.x,否则很多老包安装不上。。。
------------------------------不华丽的分割线----------------------------------
第一步:打开这个Anaconda prompt
conda create --name python35 python=3.5
#首先创建一个anaconda的python3.5环境
第二步,激活环境:
conda activate python35
我们在python35下,安装这些老旧的包
第三步:安装包
对于whl文件
直接pip install E:\SynologyDrive\2021秋季学期\机器学习\实验3\numpy-1.11.1-cp35-none-win_amd64.whl
对于.tar.bz2文件,输入
conda install --offline E:\SynologyDrive\2021秋季学期\机器学习\实验3\pytz-2016.7-py35_0.tar.bz2
后边那个"E:\Synolo......"是你文件存放的路径,改成你自己的。
图中这些.tar.bz2的包都是从
Index of /anaconda/pkgs/free/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
下载并找到的,请无视那两个文本文件,那个numpy1.11.1-cp35好像是官网下的。
依次安装这些包,但是需要注意顺序
先装numpy,再scipy,pandas,sklearn,后边好像就随便了
------------------------分割线------------------------
使用:打开ANACONDA管理器,如图切换到python35环境,我安装过了,所以你们的是没有jupyter的,首先安装jupyter,点击jupyter下的install。
变成launch,就可以用了。后续再需要什么包,再像这样去下载安装就好了,比较麻烦,但是省去了很多debug的过程,心力交瘁!!!
如果有需要,我会把包都打包共享给大家的。