机器学习实战:基于Scikit-Learn.Keras和TensorFlow(原书第2版) 奥雷利安·杰龙——环境搭建anaconda

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。