Ubuntu下安装基于Python的机器学习工具包scikit-learn

作者:比特小组机器学习与数学出品机器学习必然涉及到代码，本小组选择scikit-learn作为开发基础，便...

作者: 比特小组

机器学习与数学出品

机器学习必然涉及到代码，本小组选择scikit-learn作为开发基础，便于以实例来讲解某些算法。这里先讲一下它的安装，已经安装好的朋友可以忽略此文。

为了方便地利用互联网上大量的开源代码，在ubuntu下coding是个不错的选择，因为系统和软件的安装都比较方便。本文以当前最新版本16.04LTS为例来讲一下机器学习的开源库scikit-learn的安装。

0、Ubuntu16.04预装了Python2.7和Python3.5两个版本的Python。

1、安装核心开发工具软件包
$ sudo apt-get install build-essential

2、pip是Python的包管理工具，建议Python的包可以用pip进行管理。
> 安装 pip
$ sudo apt-get install python-pip

3、virtualenv是Python多版本管理的利器，VirtualEnv用于在一台机器上创建多个独立的python运行环境，可以轻松管理不同版本的开发。使用VirtualEnv 的理由有：
>隔离项目之间的第三方包依赖。
>为部署应用提供方便，把开发环境的虚拟环境打包到生产环境即可,不需要在服务器上再折腾一翻。
>尝试新的工具，而不用担心污染系统环境。
>等等

> 安装 virtualenv
$ sudo pip install virtualenv

> 创建虚拟环境:
>> 创建python2.7 virtualenv
$ virtualenv --no-site-packages -p /usr/bin/python2.7 ~/env/python2.7
>> 创建python3.5 virtualenv
$ virtualenv --no-site-packages -p /usr/bin/python3.5 ~/env/python3.5
>> 默认情况下，虚拟环境会依赖系统环境中的site packages，就是说系统中已经安装好的第三方package也会安装在虚拟环境中，如果不想依赖这些packages，那么可以像上文那样加上参数 --no-site-packages

> 启动虚拟环境：
$ . ~/env/python2.7/bin/activate或者$ source ~/env/python2.7/bin/activate
>> 也可以把这个命令加入到~/.bashrc文件中。
if [ -f ~/.venv/python2.7/bin/activate ]; then
. ~/.venv/python2.7/bin/activate
fi
比如本人创建和启动env后终端中显示为：(python2.7) tensor@tensor-com:~$

4、在虚拟环境中安装numpy scipy matplotlib
> numpy
$ (python2.7) tensor@tensor-com:~$ pip install numpy
$ (python2.7) tensor@tensor-com:~$ pip install scipy
也可以使用豆瓣的pip源，简单点直接跟在命令后加上 -i https://pypi.doubanio.com/simple/

> 安装matplotlib相对复杂一些
需要先安装其依赖的包libpng和freetype
>> 安装libpng:
$ sudo apt-get install libpng-dev
>> 安装freetype:
$ wget http://download.savannah.gnu.org/releases/freetype/freetype-2.6.3.tar.gz
$ tar zxvf freetype-2.4.10.tar.gz
$ cd freetype-2.4.10/
$ ./congfigure
$ make
$ sudo make install

$ (python2.7) tensor@tensor-com:~$ pip install matplotlib

5、在虚拟环境中安装scikit-learn
$ (python2.7) tensor@tensor-com:~$ pip install -U scikit-learn

6、装完检查下$ (python2.7) tensor@tensor-com:~$ pip list