如果您喜欢这本书，请考虑在 Google、Amazon 或 Goodreads 上撰写书评 🙂

请注意： 如果您在印度通过 Amazon India 购买纸质版书籍以支持作者，那么您很可能买到的是盗版，从而间接支持了销售这些非法副本的商家。在印度，请务必从 Flipkart（https://www.flipkart.com/approaching-almost-any-machine-learning-problem/p/itm319d050de2fbb）或 Pothi（官方出版社）购买：https://store.pothi.com/book/abhishek-thakur-approaching-almost-any-machine-learning-problem/

书中所有数据集均有引用说明，并已上传至此处：https://www.kaggle.com/abhishek/aaamlp

气胸 PNG 图片：https://www.kaggle.com/abhishek/siim-png-images

如果您发现缺少任何内容，欢迎随时提交 issue。

---

环境配置文件已共享。

书中代码未公开，因为本书更偏向于“边看边写”的学习方式。如果直接分享代码，就相当于复制了整本书的内容。

如有任何疑问，请创建一个 issue。

您可以通过以下链接购买本书：

印度：https://bit.ly/aamlpothi

美国：https://www.amazon.com/dp/8269211508

英国：https://www.amazon.co.uk/dp/8269211508

德国：https://www.amazon.de/dp/8269211508

法国：https://www.amazon.fr/dp/8269211508

西班牙：https://www.amazon.es/dp/8269211508

意大利：https://www.amazon.it/dp/8269211508

日本：https://www.amazon.co.jp/dp/8269211508

加拿大：https://www.amazon.ca/dp/8269211508

本书的彩色版可在以下链接购买：

印度：https://store.pothi.com/book/abhishek-thakur-approaching-almost-any-machine-learning-problem-colour-version/

美国：https://www.amazon.com/dp/B08DC3ZFZZ

英国：https://www.amazon.co.uk/dp/B08DC3ZFZZ

日本：https://www.amazon.co.jp/dp/B08DC3ZFZZ

德国：https://www.amazon.de/dp/B08DC3ZFZZ

法国：https://www.amazon.fr/dp/B08DC3ZFZZ

意大利：https://www.amazon.it/dp/B08DC3ZFZZ

西班牙：https://www.amazon.es/dp/B08DC3ZFZZ

加拿大：https://www.amazon.ca/dp/B08DC3ZFZZ

如果您在使用环境配置文件时遇到问题，可以尝试以下步骤：

首先删除之前创建的 ml 环境：conda env remove --name ml

然后创建一个新的环境：conda create -n ml python=3.7.6

激活该环境：conda activate ml

最后安装所需的 Python 包：pip install -r requirements.txt

Approaching Almost 快速上手指南

本指南旨在帮助开发者快速搭建《Approaching Almost Any Machine Learning Problem》一书所需的运行环境。请注意，本书为“跟随编码”（code-along）类型，官方仓库仅提供环境配置文件和数据集引用，不包含书中完整代码，请结合书籍内容自行编写代码。

环境准备

• 操作系统：Windows / macOS / Linux
• 核心依赖：
  • Conda (推荐安装 Miniconda)
  • Python 3.7.6 (严格版本要求)
• 数据集：书中涉及的数据集已上传至 Kaggle，需提前注册账号并下载：
  • 主数据集：https://www.kaggle.com/abhishek/aaamlp
  • 气胸图像数据：https://www.kaggle.com/abhishek/siim-png-images

提示：国内用户访问 Kaggle 可能较慢，建议配置网络加速或使用国内镜像源下载数据。

安装步骤

若之前创建过名为 ml 的环境且遇到问题，请先清理旧环境，然后按以下步骤重新构建：

1. 删除旧环境（如果存在）：

   conda env remove --name ml
   

2. 创建新环境（指定 Python 版本）：

   conda create -n ml python=3.7.6
   

3. 激活环境：

   conda activate ml
   

4. 安装依赖包： 为确保下载速度，国内用户可临时切换 pip 源至清华或阿里云镜像：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   注：若不使用镜像源，直接运行 pip install -r requirements.txt 即可。

基本使用

由于本项目是配合书籍学习的辅助资源，没有独立的命令行工具或 API。最基本的“使用”流程如下：

1. 获取数据：从上述 Kaggle 链接下载数据集并解压到本地项目目录。
2. 启动环境：

   conda activate ml
   

3. 跟随书籍编码：打开书籍对应章节，在 IDE（如 VS Code 或 PyCharm）中新建 Python 脚本，根据书中的指导编写机器学习模型代码。
4. 运行验证：在激活的 ml 环境中运行你编写的脚本，利用已安装的库（如 pandas, scikit-learn, pytorch 等）进行模型训练与验证。

例如，当你读到数据处理章节时，可在脚本中写入：

import pandas as pd

# 读取书中提到的数据集
df = pd.read_csv('path/to/your/downloaded/dataset.csv')
print(df.head())