机器学习笔记本，第3版

该项目旨在教你使用 Python 进行机器学习的基础知识。它包含了我 O'Reilly 出版的《动手学机器学习：使用 Scikit-Learn、Keras 和 TensorFlow》（第3版）一书中的示例代码及习题解答：

注意：如果你正在寻找第2版的笔记本，请查看 ageron/handson-ml2。对于第1版，请参阅 ageron/handson-ml。

快速入门

想在线体验这些笔记本，而无需安装任何东西吗？

• （推荐）

⚠ Colab 提供的是临时环境：你所做的任何操作过一段时间后都会被删除，因此请务必下载你关心的数据。

其他服务也可能适用，但我尚未完全测试：

• 

• 

• 

只想快速浏览一些笔记本，而不执行任何代码吗？

• 

• GitHub 自带的笔记本查看器 github.com 也可以使用，但效果并不理想：速度较慢，数学公式有时无法正确显示，而且大型笔记本常常无法打开。

想使用 Docker 镜像运行该项目吗？

请阅读 Docker 使用说明。

想在自己的机器上安装该项目吗？

首先安装 Anaconda（或 Miniconda）、git，如果你有一块兼容 TensorFlow 的 GPU，还需要安装 GPU 驱动程序，以及相应版本的 CUDA 和 cuDNN（详情请参阅 TensorFlow 官方文档）。

接下来，打开终端并输入以下命令克隆该项目（每行开头的 $ 符号不需要输入，它们只是表示这是终端命令）：

$ git clone https://github.com/ageron/handson-ml3.git
$ cd handson-ml3

然后依次运行以下命令：

$ conda env create -f environment.yml
$ conda activate homl3
$ python -m ipykernel install --user --name=python3

最后启动 Jupyter：

$ jupyter notebook

如果需要更多指导，请阅读 详细安装说明。

常见问题解答

我应该使用哪个 Python 版本？

我推荐使用 Python 3.10。如果你按照上述安装说明操作，就会得到这个版本。任何 ≥3.7 的版本也应该可以正常工作。

当我调用 load_housing_data() 时出现错误

如果出现 HTTP 错误，请确保你运行的代码与笔记本中的完全一致（必要时可以复制粘贴）。如果问题仍然存在，请检查你的网络配置。如果是 SSL 错误，请参阅下一个问题。

我在 macOSX 上遇到 SSL 错误

你可能需要安装 SSL 证书（请参考 StackOverflow 上的相关问题）。如果你是从官方网站下载的 Python，请在终端中运行 /Applications/Python\ 3.10/Install\ Certificates.command（将 3.10 替换为你安装的版本）。如果你是通过 MacPorts 安装的 Python，则在终端中运行 sudo port install curl-ca-bundle。

我已经在本地安装了该项目。如何将其更新到最新版本？

请参阅 INSTALL.md

使用 Anaconda 时，如何将我的 Python 库更新到最新版本？

请参阅 INSTALL.md

贡献者

我要感谢所有为该项目做出贡献的人（详见 GitHub 上的贡献者图），无论是提供有用的反馈、提交问题还是 Pull Request。特别感谢 Haesun Park 和 Ian Beauregard，他们审阅了每一个笔记本并提交了许多 PR，其中包括对部分习题解答的帮助。还要感谢 Steven Bunkley 和 Ziembla 创建了 docker 目录，以及 GitHub 用户 SuperYorio 在部分习题解答上的帮助。非常感谢 Victor Khaustov 提交了大量优秀的 PR，修复了许多错误。最后，感谢 Google ML 开发者计划团队通过提供 Google Cloud 信用额度支持了这项工作。

handson-ml3 快速上手指南

本指南旨在帮助开发者快速搭建《Hands-on Machine Learning with Scikit-Learn, Keras and TensorFlow (第 3 版)》的配套实验环境。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Windows、macOS 或 Linux。
• Python 版本：推荐 Python 3.10（兼容版本 ≥3.7）。
• 必备工具：
  • Anaconda 或 Miniconda（用于管理环境和依赖）。
  • Git（用于克隆项目代码）。
• 硬件加速（可选）：如果您拥有支持 TensorFlow 的 NVIDIA GPU，请预先安装对应的显卡驱动、CUDA 和 cuDNN（具体版本请参考 TensorFlow 官方文档）。

提示：国内用户若下载 Anaconda 或 Git 较慢，可使用清华源或中科大源进行加速。

安装步骤

打开终端（Terminal 或 CMD/PowerShell），依次执行以下命令：

1. 克隆项目仓库

   git clone https://github.com/ageron/handson-ml3.git
   cd handson-ml3
   

2. 创建并激活 Conda 环境 这将自动安装书中所需的所有 Python 库（如 Scikit-Learn, TensorFlow, Keras 等）。

   conda env create -f environment.yml
   conda activate homl3
   

   国内加速提示：若 conda env create 下载缓慢，可临时配置清华源： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

3. 注册 Jupyter 内核 将新环境添加到 Jupyter Notebook 的内核列表中，以便在界面中选择。

   python -m ipykernel install --user --name=python3
   

4. 启动 Jupyter Notebook

   jupyter notebook
   

   浏览器会自动打开，点击 index.ipynb 即可开始学习。

基本使用

方式一：本地运行（推荐）

完成上述安装步骤后，在浏览器打开的 Jupyter 界面中：

1. 点击 index.ipynb 进入目录页。
2. 选择任意章节的 Notebook（例如 01_the_machine_learning_landscape.ipynb）。
3. 确保右上角内核显示为 python3 (对应 homl3 环境)。
4. 按顺序运行单元格（Shift + Enter）即可查看代码输出和图表。

方式二：在线免安装体验

如果您不想在本地安装任何软件，可以直接使用 Google Colab 在线运行所有示例：

• Google Colab (推荐):

  注意：Colab 提供的是临时环境，重启后数据会丢失，请及时下载重要结果。

• 仅查看代码（不执行）： 可通过 nbviewer 快速浏览笔记内容。