xDev Asia

安裝Python、Jupyter、VS Code、NumPy/Pandas/scikit-learn；建立專案範本、管理依賴項和筆記本工作流程。

機器學習：從基礎到高級

第 0 部分：新手入門（第 0 週）

亞洲開發網

簡介

剛接觸 ML 的人通常會因為混亂的安裝環境而花費大量時間：Python 的許多版本、今天可以工作明天就不行的筆記本、隨意安裝的套件、沒有結構的專案文件。本文幫助您建立一個穩定的學習和工作環境，以便從下一課您可以只專注於學習 ML，而不是修復安裝錯誤。

課程目標

為 ML 安裝乾淨的 Python 環境
了解如何組織專案資料夾以學習和重複使用程式碼
使用 NumPy、Pandas 和 scikit-learn 運行第一個筆記本

1. 選擇哪個Python版本？

推薦使用Python 3.11。

原因：

大多數流行的 ML 庫都很好地支援它。
比 3.9/3.10 更快、更穩定。
與新版本相比，不相容的風險較小。

檢查版本：

python --version
python3 --version

2.使用venv還是Conda？

對於新手來說，有兩種流行的選擇：

`venv`

優點：

可用於Python。
輕、簡單。

缺點：

使用具有複雜本機相依性的套件時較不方便。

康達/迷你康達

優點：

良好的數據/機器學習環境管理。
更容易安裝科學包。

缺點：

稍微重一點。

在這個課程中，如果你是全新的，你可以使用它 venv。如果您打算長期進行深度學習，也許可以改用 Conda。

3.建立第一個項目

例如與 venv:

mkdir ml-course
cd ml-course

python -m venv .venv
source .venv/bin/activate

pip install --upgrade pip
pip install numpy pandas scikit-learn matplotlib jupyter

在 Windows PowerShell 上：

.venv\Scripts\Activate.ps1

4. 建議的資料夾結構

ml-course/
├── notebooks/
├── data/
│   ├── raw/
│   └── processed/
├── src/
│   ├── features/
│   ├── models/
│   └── utils/
├── outputs/
│   ├── figures/
│   └── models/
├── requirements.txt
└── README.md

意義：

notebooks/: 一個實驗和學習的地方。
data/raw/：原始數據，未經直接編輯。
data/processed/: 清理資料。
src/: 可重複使用的程式碼。
outputs/：模型、圖表、工件。

5. 應預先安裝工具

必填

蟒蛇
VS代碼
朱皮特
numpy, pandas, scikit-learn

應該有

matplotlib, seaborn
ipykernel
black 或類似的格式化程序

pip install seaborn ipykernel

6. 執行第一個筆記本

jupyter notebook

或使用VS Code開啟文件 .ipynb。

嘗試執行以下命令：

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris

iris = load_iris(as_frame=True)
df = iris.frame

print(df.head())
print(df.shape)
print(df['target'].value_counts())

如果筆記本工作正常，您的環境足以完成本系列中的大部分基礎課程。

7. 文件應該從一開始就在那裡

`requirements.txt`

numpy
pandas
scikit-learn
matplotlib
seaborn
jupyter

`README.md`

最低自述文件應包含：

專案目標
如何安裝環境
如何執行筆記本或腳本

8. 常見安裝錯誤

錯誤：已安裝軟體包但筆記本無法辨識它

原因通常是筆記本運行的核心與您剛安裝的環境不同。

如何處理：

python -m ipykernel install --user --name ml-course

然後在 VS Code/Jupyter 中選擇正確的核心。

＃＃＃錯誤： ModuleNotFoundError

檢查：

環境已經啟動了嗎？
你正確使用Python嗎？
軟體包安裝到哪個環境？

錯誤：筆記本太亂

解決方案：

筆記本僅用於探索
可重複使用的程式碼切換 src/
不要將所有內容放入 1000 行長的文件中

9. 從一開始就標準工作

三個小但極為重要的原則：

每個項目使用單獨的環境。 2.不要直接編輯原始資料。
在README中記錄如何運作項目。

如果你從一開始就做好這三件事，隨著專案數量的增加，你會省去很多麻煩。

練習練習

1.為本系列創建一個單獨的環境。 2. 根據上面的範例建立資料夾結構。 3. 執行第一個筆記本並儲存快照或輸出。

常見錯誤

將套件安裝到全域環境。
每個項目使用一個環境。
我不知道筆記本使用的是哪個核心。

完成標準

創造您自己的機器學習環境
運行第一本筆記本
擁有整潔、可重複使用的項目資料夾

第 2 課：設定生產標準 ML 學習環境

簡介