解决(几乎)任何机器学习问题(1、建立你的工作环境)
原作者：Abhishek Thakur
原文：GitHub - abhishekkrthakur/approachingalmost: Approaching (Almost) Any Machine Learning Problem
1、建立你的工作环境
在我们开始编码之前，在你的机器上设置好一切是非常重要的。在本书中，我们将使用 Ubuntu 18.04 和 Python 3.7.6。 如果你是 Windows 用户，可以通过多种方式安装 Ubuntu。 例如，在虚拟机上安装由甲骨文公司提供的免费软件 Virtual Box。 与Windows一起作为双启动系统。 我更喜欢双启动，因为它是原生的。 如果你不是Ubuntu用户，在使用本书中的某些bash脚本时可能会遇到问题。 为了避免这种情况，你可以在虚拟机中安装Ubuntu，或者在Windows上安装Linux shell。
使用 Anaconda，在任何机器上设置 Python 都非常简单。我特别喜欢 Miniconda 它是 conda 的最小安装程序。它适用于 Linux、OSX 和Windows。由于 Python 2 支持已于 2019 年底结束，我们将使用 Python 3 发行版。您应该记住，miniconda 并不像普通的 与普通 Anaconda 一样附带所有软件包。因此，我们将在安装软件包时 安装软件包。安装 miniconda 非常简单。
您需要做的第一件事是将Miniconda3下载到您的系统中。
$ cd ~/Downloads
$ wget https://repo.anaconda.com/miniconda/...
其中wget命令后的URL是来自miniconda3网页的URL。对于64位Linux系统，在撰写本书时的URL是：
https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
下载miniconda3后，可以运行以下命令：
$ sh Miniconda3-latest-Linux-x86_64.sh
接下来，请阅读并按照屏幕上的说明进行操作。如果您正确安装了所有内容，那么您应该能够通过在终端中键入conda-init来启动conda环境。我们将创建一个我们将在本书中使用的conda环境。要创建conda环境，可以键入：
$ conda create -n environment_name python=3.7.6
此命令将创建一个名为environment_name的conda环境，该环境可以使用以下方式激活：
$ conda activate environment_name
我们激活了环境。现在是时候安装一些我们将要使用的软件包了。当您在conda环境中时，可以通过两种不同的方式安装软件包。您可以从conda存储库或官方PyPi存储库安装软件包。
$ conda/pip install package_name
注意：conda的repo中可能没有某些包。因此，使用pip进行安装将是本书中最受欢迎的方式。我已经创建了一个写这本书时使用的包列表，保存在environment.yml中。你可以在我的GitHub存储库中的额外材料中找到它。可以使用以下命令创建环境：
$ conda env create -f environment.yml
此命令将创建一个名为ml的环境。要激活此环境并开始使用它，您应该运行：
$ conda activate ml
我们都做好了准备，准备进行一些应用机器学习！
与本书一起编写代码时，请始终记住处于“ml”环境中。
现在让我们从真正的第一章开始。