Traditional_machine_learning_tutorial

Scikit-learn开发环境的搭建

使用conda或mamba创建一个新的虚拟环境，安装指定版本的python和sklearn.

此处示例是使用mamba创建和安装，conda的命令相同，把mamba替换为conda即可。

mamba create -n sklearn python==3.12
mamba activate sklearn
pip install scikit-learn==1.8

我是习惯使用pip来安装机器学习和深度学习的包，因为mamba安装的时候有时候会安装错误。 现在可以使用uv来安装，速度比pip更快。uv pip install scikit-learn==1.8

我遇到报错说gcc版本太低,编译失败，就先升级到gcc11 mamba install -c conda-forge gxx_linux-64=11

如果pip安装scikit-learn失败，那就直接使用mamba安装。

mamba install -c conda-forge scikit-learn==1.8

安装其他常用包和可视化包

uv pip install pandas matplotlib seaborn

安装jupyter环境的包（如果使用jupyter notebook,则需要安装下面的包）

jupyter使用指南https://www.jianshu.com/p/d2ac1b9e6b24

uv pip install jupyter notebook

mamba install ipykernel

把conda环境名为sklearn的环境添加到jupyter的内核

python -m ipykernel install --user --name sklearn --display-name "sklearn"

开发环境

• 本地jupyter notebook
• 在线练习使用google colab（提供免费的GPU）或kaggle Kernels。

使用Google colab的注意事项

1. 环境里默认运行的命令是python,所以要运行系统命令安装软件，需要在命令前面添加! 例如：
   • !ls -lh
   • !pip install pandas
   • `` 2.google colab保存的文件的默认地址

     临时目录

     /content/

挂载google Drive（谷歌云盘）后的路径

from google.cobal import drive
drive.mount('/content/drive/')


#将文件永久保存到google drive云盘
df.to_csv('/content/drive/MyDrive/output.csv')

测试一下是否安装成功sklean

from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(random_state=0)
X = [[ 1,  2,  3],  # 2 samples, 3 features
     [11, 12, 13]]
y = [0, 1]  # classes of each sample
clf.fit(X, y)

This site is open source. Improve this page.