【Sklearn机器学习】环境配置

由于读研的方向涉及机器学习在材料学的应用（即所谓材料信息学），正好利用暑期时间学习一下机器学习的理论知识，以及如何利用Sklearn进行机器学习的研究。在这里先记录一下自己的环境配置信息。

---

前言

Scikit-learn是机器学习的算法库，是做机器学习的重要工具。

配置信息

• 操作系统：win 10
• 开发环境：Jupyter Lab

环境配置	教程版本	我的版本
Python	3.7.1	3.7.10
Scikit-learn	0.20.0	0.20.0
Graphviz	0.8.4	0.8.4
Numpy	1.15.3	1.15.4
Pandas	0.23.4	0.23.4
Matplotlib	3.0.1	3.0.1
SciPy	1.1.0	1.1.0

这里的教程版本，指的是菜菜的Scikit-learn课堂教程中的版本。

终端命令

• 创建虚拟环境，并指定Python版本

conda create -n sklearn python=3.7

• 激活/退出虚拟环境

activate sklearn
deactivate sklearn

• 查看conda安装的Python库和环境

conda list
conda info --envs

• 安装 ipykernel 库，并创建对应的环境

conda install ipykernel
python -m ipykernel install --user --name=sklearn

• Scikit-learn安装

同时安装了Numpy和 SciPy等其他库
换豆瓣镜像pip安装更快，清华、中科大镜像都比不上

pip install scikit-learn==0.20.0

• 安装pandas

pip install pandas==0.23.4

• 安装matplotlib

pip install matplotlib==3.0.1

• 安装Graphviz

conda install python-graphviz==0.8.4

Graphviz安装完成之后添加环境变量：D:\anaconda\Lib\site-packages\bin\

启动Jupyter Lab

1. 命令行
   win+R 打开命令行，输入

activate sklearn
Jupyter Lab

2. 批处理文件（.bat）

@echo on
::设置命令行窗口标题
title XXX
::设置字体颜色
color 02
:: 激活虚拟环境
call activate sklearn

@echo on
:: 显示环境信息
call conda info --envs
call conda list
:: call pip list

@echo on
:: 打开Jupyter Lab
call Jupyter Lab

或

@echo on
activate sklearn
Jupyter Lab

1. 命令之前加上 call
2. @echo on 只能作用于之后三个命令