1. 程式人生 > >Ubuntu14.04+Python2+機器學習(一)

Ubuntu14.04+Python2+機器學習(一)

Ubuntu14.04系統安裝Python+機器學習(一)

1、Ubuntu系統

這裡使用的是從官網下載的系統包:ubuntu-14.04.4-desktop-i386.iso

(1)開啟終端快捷鍵CTRL+ALT+T

(2)系統開機以guest模式進入。


(3)更改自己的使用者模式

首先Alt+Ctrl+F1或者Alt+Ctrl+F2切換到圖形介面: CTRL+ALT+F7),登入賬戶,修改/home下的使用者目錄的許可權為777。修改許可權:$sudo chmod 777 -R /home

修改 /usr/share/lightdm/lightdm.conf.d/目錄下50-unity-greeter.conf的檔案,並在其中新增allow-guest=false之後再重啟系統

命令:$cd /usr/share/lightdm/lightdm.conf.d
      $sudo vi 50-unity-greeter.conf

新增allow-guest=false之後再重啟系統。

系統重啟命令:$sudo  reboot



最後登入Ubuntu後,我們看到設定裡面只有一個Ubuntu賬戶,不再出現Guest賬戶。


2、安裝vim

Ubuntu14.04沒有vim編輯器可以使用,要自己安裝

安裝命令:$sudo apt-get install vim-gtk

3、Python2

檢視系統自帶Python版本資訊:

命令:$python --version


4、pip

安裝pip命令:$sudo apt-get install python-pip

檢視pip是否安裝成功命令:$pip-V(或pip --version


把pip更新到新版本:$pip install --upgrade pip


5、安裝python及相關的科學計算包

安裝命令:

$sudo apt-get install python-numpy  python-scipy  python-matplotlib ipython ipython-notebook python-pandas python-sympy  python-nose

其中,pandas (Python Data Analysis Library)是基於NumPy 的一種工具,該工具是為了解決資料分析任務而建立的。

6、測試配置是否成功

測試1.

>>>from numpy import *;#引入numpy
>>>A=mat(random.rand(4,4)); #建立4x4的隨機矩陣
>>>A


測試2.

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x=np.arange(0,5,0.1);
>>> y=np.sin(x);
>>> plt.plot(x,y)

這樣並不能顯示影象


修改為:

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> x=np.arange(0,5,0.1);
>>> y=np.sin(x);
>>> plt.plot(x,y)
>>>plt.show()

執行結果為:


相關推薦

Ubuntu14.04+Python2+機器學習

Ubuntu14.04系統安裝Python+機器學習(一) 1、Ubuntu系統 這裡使用的是從官網下載的系統包:ubuntu-14.04.4-desktop-i386.iso。 (1)開啟終端快捷鍵:CTRL+ALT+T。 (2)系統開機以guest模式進入。 (3)更

機器學習

無限 size mage 計算機 博客 對數 png 表示 獲得 對學習的定義 學習經驗E 完成任務T 績效指標P 對於某類任務T和性能度量P,如果一個計算機程序在完成T上以P來衡量完成的好壞,並隨著經驗E而自我完善,那麽我們稱這個計算機程序在從經驗E中學習

機器學習梯度下降算法的實現及過程分析

回歸 vnc 分布 AC HA 向量 med mar size 機器學習(一)梯度下降算法 因為算法最好能應用到實際問題中才會讓讀者感到它的真實的用處,因此首先我來描述一個實際問題(梯度下降算法用以幫助解決該問題):給定一個指定的數據集,比如由若幹某一

Python機器學習

這是對《Python機器學習(Sebastian Raschka)》的學習知識點的總結。 本人學習沒啥好辦法,就是喜歡做筆記,做了好多筆記,後續有時間分欄分享一下。 # -*- coding: utf-8 -*- """ Created on Wed Sep 19 23:04:53 2018

機器學習——Linear Regression

機器學習課程中做的一些實驗題目,拿來和大家分享一下。 實驗步驟與內容: 載入資料集並繪製散點圖 MATLAB中載入資料集的方法是“load”函式,繪製散點圖的方法是“plot”函式,並且還可以使用“label”函式來為座標軸做標註。 得出結果如圖:

機器學習--------簡介

首先,人工智慧(Artificial Intelligence)有很多領域: 包括機器學習(Machine Learning)、專家系統、、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等。 所以機器學習是一種實現人工智慧的技術,而另一個深度學習(Deep Learning)是一種實現機器學習的技

用python來實現機器學習:線性迴歸linear regression

需要下載一個data:auto-mpg.data 第一步:顯示資料集圖 import pandas as pd import matplotlib.pyplot as plt columns = ["mpg","cylinders","displacement","horsepowe

演算法工程師修仙之路:吳恩達機器學習

吳恩達機器學習筆記及作業程式碼實現中文版 第一章 緒論:初識機器學習 什麼是機器學習 Machine Learning(機器學習)是研究計算機怎樣模擬或實現人類的學習行為,以獲取新的知識或技能,重新組織已有的知識結構使之不斷改善自身的效能。 機器學習被用

機器學習 numpy的函式以及基本用法

新開一個篇章,記錄一下機器學習與資料科學的學習過程。 1.np.getnfromtxt 從txt檔案中讀資料,np.getnfromtxt('filename.txt', delimiter=',', dtype='...', skip_header=1) 2.np

機器學習邏輯迴歸與softmax迴歸及程式碼示例

本文適合已經對機器學習、人工智慧有過一定了解,但是還沒有自己寫過程式碼,或者一直在使用現有框架的同學。不用框架自己寫一次程式碼的過程還是很有必要的,能讓你真正地理解原理與機器學習中各個步驟的實現過程,而不是停留在“好像懂了”、只會調庫的階段。 目錄

機器學習: 主要術語

機器學習研究如何通過計算的方式,利用資料集來改善系統自身的效能。 而深度學習是屬於機器學習的一個子分支。 機器學習的通用的兩種型別: 無監督學習:事先並沒有任務訓練資料的樣本,需要直接對資料進行建模型。 監督學習:通過已經有的訓練樣本(即輸入資訊和對應的輸出)來訓練,

槓精的機器學習:線性迴歸

主要參考資料為《小象學院-機器學習IV》 打個廣告,這套視訊真的非常贊,建議大家看三遍以上,每一遍都有新的收穫,BiliBili上有免費資源,感謝鄒博!!!   前言:在實際應用中,迴歸是非常常見的一類問題,當然用於解決迴歸問題的方法也有很多,例如線性迴歸(

機器學習:快速入門線性分類器

定義 假設特徵與分類結果存線上性關係的模型,這個模型通過累加計算每個維度的特徵與各自權重的乘積來幫助類別決策。 線性關係公式 :f(w,x,b)=w^tx+b x=(x1,x2,…xn) 代表n維特徵列向量,w=(w1,w2,…wn)代表對應的權

機器學習——K-近鄰KNN演算法

#coding:utf-8 from numpy import * import operator from collections import Counter import matplotlib import matplotlib.pyplot as plt ###匯入特徵資料

機器學習: python三種特徵選擇方法

特徵選擇的三種方法介紹: 過濾型: 選擇與目標變數相關性較強的特徵。缺點:忽略了特徵之間的關聯性。 包裹型: 基於線性模型相關係數以及模型結果AUC逐步剔除特徵。如果剔除相關係數絕對值較小特徵後

Python教程:進擊機器學習--概述

開啟Python科學之旅 本章介紹了Python在機器學習中常用的庫和工具,包括數學計算和繪圖。 Python資料科學生態 為什麼選擇Python? 先獻上IEEE Spectrum Magazine 2017 程式設計排行圖一張

模式識別與機器學習:概率論、決策論、資訊理論

本系列是經典書籍《Pattern Recognition and Machine Learning》的讀書筆記,正在研讀中,歡迎交流討論。 基本概念 1. 模式識別(Pattern Recognition):是指通過演算法自動發現數據的規律,並進行資料分類等任務。

機器學習:統計學習問題概述

學習:“如果一個系統能夠通過執行某個過程改進它的效能,這就是學習。”按照這一觀點,統計學習就是計算機系統通過運用資料及統計方法提供系統性能的機器學習。 機器學習的物件是資料,它從資料出發,提取資料特徵,抽象出資料模型,發現數據中的知識,又回到對資料的分析和預測

機器學習:啟用函式Activation Function

0. 啟用函式 上圖為wiki上的定義:啟用函式定義了每個節點(神經元)的輸出和輸入關係的函式。 下表:常用啟用函式 編號 函數 公式 1) sigmoid(

機器學習k-進鄰演算法

k-進鄰演算法 概述 原理 存在一個樣本資料集合,也稱作為訓練樣本集,並且樣本集中每個資料都存在標籤,即我們知道樣本集中每一個數據與所屬分類的對應關係。輸入沒有標籤的新資料後,將新的資料的每個特徵與樣本集中資料對應的特徵進行比較,然後演算法提取樣本最相似資料(最近鄰)的分類標籤。一