使用 Python 构建机器学习系统

本书《使用 Python 构建机器学习系统》的源代码，作者为 Luis Pedro Coelho 和 Willi Richert。

该书由 Packt 出版社于 2013 年出版（第二版于 2015 年出版），可通过其官方网站 购买。

仓库中的代码对应于第二版。第一版的代码可在 first_edition 分支 中找到。

Building Machine Learning Systems with Python 快速上手指南

本指南基于《Building Machine Learning Systems with Python》（第二版）的源代码仓库，帮助开发者快速搭建环境并运行示例。

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：Linux、macOS 或 Windows。
• Python 版本：推荐 Python 3.6+（原书基于 Python 2/3 过渡期编写，现代环境建议使用 Python 3）。
• 核心依赖库：
  • numpy
  • scipy
  • scikit-learn
  • matplotlib
  • pandas

国内加速建议：安装依赖时，推荐使用清华或阿里云镜像源以提升下载速度。

安装步骤

1. 克隆代码仓库

首先，从 GitHub 获取第二版源代码：

git clone https://github.com/luispedro/BuildingMachineLearningSystemsWithPython.git
cd BuildingMachineLearningSystemsWithPython

2. 创建虚拟环境（推荐）

为避免污染全局环境，建议创建独立的虚拟环境：

python -m venv ml_env
source ml_env/bin/activate  # Windows 用户请使用: ml_env\Scripts\activate

3. 安装依赖

使用 pip 安装所需库。以下是使用清华大学镜像源的安装命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy scipy scikit-learn matplotlib pandas

如果项目根目录包含 requirements.txt 文件，也可通过以下命令一键安装：

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

基本使用

本书代码按章节组织，每个文件夹对应一个章节的示例。以下以运行一个简单的机器学习示例为例（假设运行第 2 章的示例）：

1. 进入对应章节目录：

   cd chapter_02
   

2. 查看该目录下的脚本文件（例如 ml_intro.py 或其他具体示例脚本）。

3. 运行示例脚本：

   python ml_intro.py
   

   注：具体脚本文件名请参考各章节目录内的实际文件。运行后，程序将加载数据、训练模型并输出结果或绘制图表。

4. 若示例涉及数据集下载，首次运行时可能会自动从网络获取。如遇网络超时，可手动下载数据集并放置于脚本指定的数据目录中。