Overview本文记录机器学习库Sklearn在Ubuntu上的环境搭建，并在搭建好的环境上运行示例，验证环境搭建成功；工作后学习，大势所趋，不要计划！紧跟潮流！安装SklearnSklearn是一个通用的机器学习开源框架，主要功能有6部分分类回归聚类降维模型选择数据预处理Sklearn使用Python语言，它的安装和运行也依赖于pip、scipy和numpySklearn官网：http:///scikit-learn.org/stabl...这里就不说安装python了。它将安装在默认机器上。如果自己安装，注意设置环境变量。什么是皮皮？百度说是一个安装和管理python包的工具，知道apt-getinstallpython-pip安装依赖下面的命令就可以安装sklearnapt-getinstallbuild-essentialpython所需的各种依赖库-devpython-numpypython-setuptoolspython-scipylibatlas-devlibatlas3-base以下命令安装一个绘图工具，使用它查看程序运行结果apt-getinstallpython-matplotlibinstallSklearnpipinstall-Uscikit-learn确认安装以下命令会列出当前系统安装的所有python依赖pipinstall-Uscikit-learn如果结果中有scikit-learn，说明验证环境已经安装到sklearn官网，点击example即可进入Generalexamples页面，如图，页面上有很多机器学习的例子，选择第一个example，点击进入ThisisanexampleofCross-ValidatedPredictions（交叉验证预测），里面有代码下面，大家可以下载，也可以自己写，我自己抄的，熟悉下python语法，现在学着用着，前两天刚在w3cshcool上看了一下python语法长什么样子.本例源码如下。本文不对示例进行代码分析和原理研究。使用本例的目的是为了验证环境是否搭建成功。从sklearn导入数据集从sklearn.model_selsectionimportcross_val_predictfromsklearnimportlinear_modelimportmatplotlib.pyplotaspltlr=linear_model.LinearRegression()boston=datasets.load_boston()y=boston.target#cross_val_predict返回一个大小与yry相同的数组，其中每个预测都是通过交叉验证：predicted=cross_val_predict(lr,boston.data,y,cv=10)fig,ax=plt.subplots()ax.scatter(y,predicted,edgecolors=(0,0,0))ax.plot([y.min(),y.max()],[y.min(),y.max()],'k--',lw=4)ax.set_xlabel('测得')ax.set_ylabel('predicted')plt.show()在Ubuntu上编写代码，文件为plot_cv_predict.py，运行代码pythonplot_cv_predict.py，运行结果如图，说明环境已经搭建完成。关于人工智能的学习资料来源主要来自以下内容斯坦福大学吴恩达机器学习公开课：机器学习的动力与应用开发者头条普通程序员如何走近人工智能
