如何搭建一个用于AI预测的Python环境-阿里云开发者社区

开发者社区> Python爱好者> 正文

如何搭建一个用于AI预测的Python环境

简介:

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。PS: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~

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:

531d1453ac18ebfa524db57c7f06b9f34f4202a8

接着启动python_ai这个虚拟环境:


Scriptsactivate

7f32c1ccbe45e40d7b7c4afd36dd3f14bdfe0839

安装所需的模块

进入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:

6b5eafc3da1ba9835f298a74821cea335dbf57da


pip install scikit-learn

使用pip命令也可直接安装scikit-learn:

045e4fb9ca88c37852f691d534b92b234dbc8a72


pip install scipy

scipy模块也能通过pip直接安装完成:

ee4d03d608f2f3574a9596c2d980c94ff02d3531


pip install jupyter

jupyter的依赖库很多,但也能顺利通过pip命令安装完成:

f89661276c496d2bed2a1c94f25c6928e1451238

接下来是jiaba和nltk模块,都能够顺利安装:

ed4598d244cd75ac813083d47c42dfa8d39304b9

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:

7fc4d8753cd645cff38a55cc4e2b655b8dd6f84d

在Home页面新建一个Python3的notebook:

99d0100707d2edeb578116ce8f189894dca6cce7

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:

94ce16013fbe67a2db42ceb56eba3d47da81f622

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程


原文发布时间为:2018-10-30

本文作者:州的先生

本文来自云栖社区合作伙伴“Python爱好者社区”,了解相关信息可以关注“Python爱好者社区”。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
Python爱好者
使用钉钉扫一扫加入圈子
+ 订阅

官网链接