【Sklearn驯化-环境配置】一文搞懂sklearn建模的最优环境搭建用法
 
本次修炼方法请往下查看

🌈 欢迎莅临我的个人主页 👈这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合，智慧小天地！
🎇 相关内容文档获取 微信公众号
🎇 相关内容视频讲解 B站

🎓 博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位 个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。

🔧 技术专长： 在机器学习、搜索、广告、推荐、CV、NLP、多模态、数据分析等算法相关领域有丰富的项目实战经验。已累计为求职、科研、学习等需求提供近千次有偿|无偿定制化服务，助力多位小伙伴在学习、求职、工作上少走弯路、提高效率，近一年好评率100% 。

📝 博客风采： 积极分享关于机器学习、深度学习、数据分析、NLP、PyTorch、Python、Linux、工作、项目总结相关的实用内容。

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

下滑查看解决方法

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

  

🎯 1、sklearn 是什么？

  scikit-learn（简称sklearn）是一个基于Python的开源机器学习库，它建立在NumPy、SciPy和matplotlib这些科学计算库之上，提供了一系列强大的工具，用于机器学习和统计建模，包括分类、回归、聚类和降维等。
  对于数据分析师、数据挖掘工程师、机器学习算法工程师在日常的工作中，肯定是离不开对sklearn的使用，使用sklearn包括对其进行数据分析，数据挖掘，特征处理、特征构建、模型训练等工作，因此，学会使用sklearn对于从事数据或者算法的人来说是一个非常有不要的技能。

💡 2、sklearn安装

  skearn的安装需要注意的一个点是，在python中sklearn的全称不叫这个，这个是sklearn的简称，所以我们有时间再安装的过程中如果直接使用如下命令进行安装：

pip install sklearn

  会出现正常安装正常，但是在导包的时候出现异常，显示找不到函数的问题，导致这个问题的关键在于，在python的pypi库中，sklearn的全名叫cikit-learn，所以在安装的时候，应该为:

pip install scikit-learn# 安装成功后显示：
scikit-learn              1.4.2

  

🔍 3、sklearn使用

3.1 工具介绍

  在日常的数据分析和数据建模过程中，一方面我们需要开发整套的代码需要一个可视化的代码编辑器同时我们有时候需要对中间的数据结果进行分析，这个时候需要对其进行可视化等操作，因此，我们需要一个代码编辑器不是特别的重的，同时也能够对数据进行可视化操作的工具，下面介绍日常工作中比较好用且符合上述要求的两个工具。

3.2 vscode安装

   vscode是微软开发的一个轻量级的代码编辑器，由于其占用的内存小，社区开源发展快，简单好用，而受到数据和算法工程师的喜爱，mac中具体的安装方法如下所示：

• 访问官方网站：
  打开你的网络浏览器，访问Visual Studio Code的官方网站：https://code.visualstudio.com/

• 下载安装包：
  在网站的首页，你会看到下载选项。选择适合macOS的版本进行下载。通常，它会检测到你的操作系统并推荐相应的版本。

• 启动安装程序：
  下载完成后，找到下载的.dmg文件。双击该文件以启动安装过程。

• 拖动VSCode到应用程序文件夹：
  安装窗口会打开，显示一个拖动操作，将VSCode的图标拖动到“应用程序”文件夹中。这将把VSCode安装在你的Mac上。

• 等待安装完成：
  拖动完毕后，VSCode将被复制到应用程序文件夹中。这个过程可能需要一些时间，取决于你的Mac的速度。

• 打开VSCode：
  安装完成后，你可以从“应用程序”文件夹或使用Spotlight搜索（按下Command（⌘）+ 空格）来启动VSCode。

• 安装扩展：
  VSCode启动后，你可以根据需要安装扩展。点击左侧的扩展图标（一个方形加号的图标），然后搜索并安装你需要的扩展。

3.2 Anaconda安装

   上述的vscode为代码编辑器，我们还需要一个python的执行环境，由于python是通过

• 首先，访问Anaconda的官方网站 https://www.anaconda.com/products/distribution 并下载适用于Mac的最新版本Anaconda发行版。
• chmod +x Anaconda3-xxxxxxx-MacOSX-x86_64.sh
• 运行脚本./Anaconda3-xxxxxxx-MacOSX-x86_64.sh
• 创建python相关的环境，conda create -n myenv python=3.8
• conda activate myenv激活即可，为了使得每次都切入到conda环境中，在mac中的~/.bash_profile文件中写入如下的内容

export PATH=~/anaconda3/bin:$PATH

• 然后再运行source ~/.bash_profile
    当上述的python环境和vscode编辑环境都搭建完成好了之后，我们就可以通过vscode中的终端进入到conda环境中，并通过pip安装一些数据分析需要的python包，对于画图相关的一些操作建议使用jupyter lab来进行，具体的安装方法为：

pip install jupyterlab
# 然后在终端运行
jupyter lab
# 注意上述在哪个目录下运行jupyter lab，那么可视化的界面就打开哪个目录下的文件夹

3.3 sklearn配置成功

  判断sklearn安装是否成功，就可以创建一个python文件，然后导入相关的包测试一下即可，具体为：

import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

  上述代码没有报相关的错误即安装成功；