第一章07课件讲解.pptxVIP

第一章

汇报人：人工智能专业

绪论

机器学习

无处不在的数据、计算能力的增强及存储技术的发展，使得机器学习越来越受重视，机器学习技术成为众多行业关注的焦点。

人工智能

大数据

网络爬虫

系统运维

Python语言的应用

Python语言具有数量庞大且功能相对完善的标准库和第三方库。通过对这些库的引用，能够实现不同领域业务的开发。然而，由于库的数量庞大，安装、管理这些库，以及对库进行及时升级维护成为一件复杂的事情。因此，找到“已经集成好必要库的Python开发环境”就变得尤为重要。

Anaconda集成了包含NumPy、SciPy、Pandas、Matplotlib、Scikit-learn等机器学习常用库在内的180多个工具包，使用Anaconda可一次性安装Python开发环境及大量的第三方库。

一起使用Anaconda来完成机器学习开发环境的搭建吧！

按照项目要求，使用Anaconda搭建机器学习开发环境的具体步骤分解如下。

Anaconda是一个开源的数据科学平台，包含：

Conda：包管理和环境管理工具

Python/R：编程语言支持

1500+预装科学包：如NumPy、Pandas、SciPy等

开发工具：JupyterNotebook、Spyder、VSCode扩展

项目实施——搭建机器学习开发环境

步骤2

打开下载页面，向下拖动滚动条，直到出现Anaconda安装版本信息，选择“Windows”→“Python3.13”→“64-BitGraphicalInstaller”选项

项目实施——搭建机器学习开发环境

项目实施——搭建机器学习开发环境

项目实施——搭建机器学习开发环境

步骤3

双击下载好的Anaconda安装程序，在打开的对话框中单击“Next”按钮，如图1-15所示。

图1-15欢迎安装

（步骤4——步骤10）（详见教程）

项目实施——搭建机器学习开发环境

JupyterNotebook是Anaconda套件中一款开源的Web应用程序，可以编写代码、公式、解释性文本和绘图，并且可以把创建好的文档进行分享。目前，JupyterNotebook广泛应用于数据处理、数学模拟、统计建模、机器学习等重要领域。它支持四十余种编程语言，可以实时运行代码并可将运行结果显示在代码下方，方便用户使用。下面介绍使用JupyterNotebook编写程序的步骤。

项目实施——搭建机器学习开发环境

步骤1

在“AnacondaNavigator”窗口中，单击“JupyterNotebook”→“Launch”按钮，如图1-22所示。

图1-22在“AnacondaNavigator”窗口中启动JupyterNotebook

项目实施——搭建机器学习开发环境

步骤2

在默认的浏览器中打开JupyterNotebook，如图1-23所示。

图1-23JupyterNotebook界面

(步骤3——步骤6)（详见教程）

项目实训

项目实训

项目实训

②在空白代码单元格中输入下列代码，并运行。

项目实训

项目实训

④使用记事本打开配置文件“jupyter_notebook_config.py”（配置文件的位置在上一步操作中可以查看到），搜索“_dir”，定位到配置文件的键值“c.NotebookApp.notebook_dir=”，删除其前面的注释符号“#”并将其值更改为希望保存的工作文件夹（代码前不能加空格），修改的配置文件命令（部分）如下所示，然后保存文件。

##Thedirectorytousefornotebooksandkernels.

#Default:

c.NotebookApp.notebook_dir=E:/jupyterfile

项目实训

按要求完成实训内容，并将实训过程中遇到的问题和解决办法记录在表1-12中。

序号

主要问题

解决办法

表1-12实训过程

THANKSFORYOURWATCHING

汇报人：人工智能专业

感谢观看