Python入门机器学习

如何通过Python入门机器学习

我们都知道机器学习是一门综合性极强的研究课题，对数学知识要求很高。因此，对于非学术研究专业的程序员，如果希望能入门机器学习，最好的方向还是从实践触发。

我了解到Python的生态对入门机器学习很有帮助。因此希望以此作为突破口入门机器学习。

我将会记录一个系列的学习与实践记录。记录内容主要参考Youtube中sentdex发布的视频，有兴趣的读者可以自己FQ到油管看一下。

下面介绍一下我将如何通过Python入门机器学习。

学习Python基本语法

首先我在Python官网找到入门教程，快速过了一遍Python的基本语法。相信对于稍微有点编程基础的人来说这都不是事儿。

作为实践，接着我用Python实现了一个基于命令行翻译脚本。到此Python算入门了。

这里啰嗦一下Mac下的Python环境的搭建过程。我在这篇文章中介绍如何处理系统自带和自己安装的Python版本。

Python机器学习相关库

Python有好多涉及机器学习的库，如Theano、TensorFlow、PyTorch、scikit-learn等。考虑到scikit-learn（以后将简写为sklearn）对机器学习进行了高度封装与抽象，能够让初学者跳出数学的梦魇进行机器学习实践，我选择它作为入门的跳板。

除此之外还需要学习下面几个Python库，用于数据处理或者科学计算等。

numpy：提供强大的N维数组及相关操作的库，参考NumPy快速入门笔记。
pandas：提供类似关系型或标签型数据结构的库，参考Pandas快速入门笔记。
scipy：集成众多数学运算函数的库，请自行参考官方文档。
matplotlib：把数据绘制成图像的工具，可以参考Matplotlib快速入门笔记。

出发机器学习冒险旅程

sklearn提供了很多机器学习的算法实现，在学习过程中我很难做到一个不漏地全面学习与覆盖。经过多番查找，我在Youtube上找到sentdex发布的视频“Machine Learning with Python”。至此，我也将跟随sentdex的脚步一步步进行学习。

后续的文章主要也是参考视频，并结合自己的理解进行必要的扩展。

初次看sklearn可以读一下官网的Tutorials文档。

其中“An introduction to machine learning with scikit-learn”章节可以让你初步了解sklearn这个库能做什么、机器学习基本概念、sklearn环境搭建、基础功能等。

而“A tutorial on statistical-learning for scientific data processing”章节能让你了解有关监督学习和非监督学习的基本概念。

深入原理

sklearn能够以黑盒方式提供机器学习算法的实现，这对初学者是有利的。但是如果仅仅停留在这里显然是不够的，如果不掌握一定的基础知识与原理，我们无法对显示问题进行建模与选型。所以在学习了sklearn的算法后，一定要查阅相关文档，了解算法背后的知识与原理。

这个过程应该是最艰难的，希望我们都不停留在这一步。

管理Mac的Python环境

问题描述

我的Mac自带了版本为2.7.10的Python却没有用于管理依赖的pip工具。而我在使用刚开始学习Python时，从其官网下载了安装脚本安装了3.6版本的Python。脚本自动配置了环境变量，导致pip引用了3.6版本的pip3，我找遍了整个硬盘都无法找到版本2.7对应的pip。

尴尬的是，目前有一份用Python2写的代码放在我面前，而我却因为无法安装依赖而无法执行它。我觉得这样的开发环境有问题，得找个方法解决它。

调研

在网上翻了一轮，看见了部分网友警告不要自己给系统自带的Python添加pip工具，原因是有可能导致系统异常。至于有何种异常我不想深究，我关注的是他们推荐使用HomeBrew管理自己的Python版本，保持系统的完整性。

解决步骤

1. 删除通过Python官网脚本安装的python3.6
   由于我自己安装过Python，所以需要执行这一步。对于没有安装过的读者可以跳过这一步。

我参考了Python官房文档对脚本安装的描述。请查看这里。文档介绍了脚本会对系统做哪些改动，对应地我们把这些改动恢复即可。详细操作如下：

删除/Library/Frameworks/Python.Frameworks
删除/Application/Python 3.6
删除.bash_profile文件中导出的有关Python3.6的路径和环境变量，然后使用source ./bash_profile命令让改动生效。
使用HomewBrew安装Python2和Python3
安装方法网上有很多介绍，我是参考了“MAC OSX 正確地同時安裝 PYTHON 2.7 和 PYTHON3”这篇文章。

不过我没有执行这篇文中介绍的修改环境变量顺序的步骤。我觉得这一步多余了。

经过这个步骤，HomeBrew为我管理了两个版本的Python，分别是2.7.14和3.6.4，在/usr/local/bin/目录下有相关命令。同时系统还有一个自带2.7.10版本的，放在/usr/bin目录中。

使用方法与优劣分析

以后开发过程中使用Python2的时候应该使用命令python2而不是使用python。因为，我的环境中命令python是MacOS自带的2.7.10版本。而命令python2则调用HomeBrew管理的python2.7.14，它在/usr/local/bin/目录中，是一个软链接，链接到/usr/local/Cellar/python/2.7.14_2/bin/python2中。命令python3同理。因此开发时需要区分这三者，这看起来有点别扭。

但我认为使用python2和python3显式指定版本没什么坏处，多一个字符而已。

我们有必要保持系统自带的Python环境的完整性。一方面，不在这样做可能导致你使用的第三方Python库对系统的产生影响。例如：你自己安装pip工具可能出现它依赖的其他库你没有完整提供。另一方面，系统自带的Python主要是服务于那些为Mac量身定做的软件，如果你私自改动可能会导致将来你的安装的软件运行出现异常。

这种方案在对Python代码进行打包发布时也有好处。如果你是开发Python应用软件的人，你可以显式指定版本进行开发工作，只要在打包或者发布的时候为用户的环境设身处地的进行配置即可。生成的包还可以在Mac原生的Python环境下进行alpha测试，因为这个环境跟目标用户的环境应该是一致的。