Machine learning（1）--环境

机器学习？学啥呢？高数？线性代数？数理统计？

学完这些都啥时候了……不如去读研，然后花个半辈子时间在上面……扯蛋……

作为一个码农的我可没那心思从数学开始，完事儿把编程整得跟个搞数学研究一样。作为目的驱动的我，这不符合我的风格……

好了！不写废话了。开始说正事儿。

机器学习说到底还是一门技术，不是什么玄学文学也不是什么自然现象。那作为技术，就可以一步步的来，顺着方向来。

（1）探索步骤

要学习 机器学习技术，百度一下，可以知道，目前比较主流的 方案是python+一大堆库。然后，可以将这一系列技术进行拆分，可以得到一个技术列表。

1. python （基础）
2. python库（扩展）
3. 数学（原理）

通过网上搜索呢，可以得到一个结论。那就是： 研究机器学习，数学是尤其重要的，与其说机器学习是计算机的一个分支，不如说是数学的一个分支。

好吧！笔记到此结束，放弃学习了……

（2）重新拾起，找一个开始

放弃过了，但是对于其兴趣却没有丝毫的退减。从数学开始吗？这肯定不是一个好的开始方式（估计看两节高数就彻底放弃了），那怎么办呢？

目的驱动……

目的：做一个能够识别杯子的应用
怎么做呢？ 用 机器学习 的方式？
怎么用呢？ MATLAB ？python？ 其它？
这么多…… 那个简单点呢？MATLAB简单，用过。但是怎么用MATLAB做应用呢？不知道。那用Python好了。听说简单，人气不错
用python？怎么用？
python有很多的库……
都有啥呢？

• Tensor Flow
• Scrapy
• Beautiful Soup
• NLTK
• NumPy
• SciPy
• Matplotlib
• scikit-learn
• Pandas
• Theano

……
学个毛，放弃了……

（3）环境搭建

哎！好吧，还是学学看吧。这么牛逼什么的东西总得花费功夫去才能学到的。不然那些大神还怎么装逼……

选择一个最简单的开始吧！

1，安装python库

使用python包管理工具pip依次安装以上库
pip install "package name"

这里值得注意的是：在安装scipy的时候经常不成功。后来发现，在安装scipy的时候需要先装好 wheel。

2 开发环境搭建

这里，由于是学习研究，就不整个什么IDE了。毕竟不是做什么项目，没必要去弄IDE。（强迫症，不喜欢用牛刀来砍鸡脖子）
所以选择了 sublime text 3 +一些插件
插件列表如下

（好吧！用的是XP系统，界面略丑，不过不影响）
这里比较重要的是 Anaconda 和 sublimeREPL。这两货使用频率比较高。

然后设置好build System 就可以开始写代码了！

可以在sublimeREPL 选择python 来进行命令行交互（这种方式跟CMD交互一样，但是要比cmd 下爽快很多）
或者直接创建 *.py文件， 写好后 ctrl+B 就可以泡起来了。

ok，整个环境就搭建好了。虽然 和机器学习八竿子打不着个关系，但目的如此，还是起了 这样的一个名字。

然后……

好了，先开始吧！