搭建你的工作环境

在我们开始写代码之前，先把机器上的一切都配置好是至关重要的。贯穿全书，我们将使用 Ubuntu 18.04 和 Python 3.7.6。如果你是 Windows 用户，可以通过多种方式安装 Ubuntu。比如安装在一台虚拟机（virtual machine）上，例如由 Oracle 提供且免费的 Virtual Box 软件；或者与 Windows 组成双系统（dual boot）一起安装。我更倾向于双系统，因为它是原生（native）的。如果你不是 Ubuntu 用户，可能会在本书中的某些 bash 脚本上遇到问题。为了避免这种情况，你可以在虚拟机中安装 Ubuntu，或者在 Windows 上使用 Linux 终端（Linux shell）。

用 Anaconda 在任何机器上安装 Python 都非常容易。我尤其喜欢 Miniconda，它是 conda 的精简安装程序。它适用于 Linux、OSX 和 Windows。由于 Python 2 的支持已于 2019 年底终止，我们将使用 Python 3 发行版。你应该记住，Miniconda 并不像常规的 Anaconda 那样自带所有软件包。因此，我们将在使用过程中逐个安装软件包。安装 Miniconda 非常简单。

你需要做的第一件事，就是把 Miniconda3 下载到你的系统上。

$ cd ~/Downloads $ wget https://repo.anaconda.com/miniconda/...

其中 wget 命令后面的 URL 是 miniconda3 网页上的 URL。对于 64 位 Linux 系统，在撰写本书时该 URL 是：

https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

下载完 miniconda3 之后，你可以运行以下命令：

$ sh Miniconda3-latest-Linux-x86_64.sh

接下来，请阅读并遵循屏幕上的说明。如果你正确完成了安装，就应该能在终端输入 conda init 来启动 conda 环境。我们将创建一个贯穿全书使用的 conda 环境。要创建 conda 环境，你可以输入：

$ conda create -n environment_name python=3.7.6

这条命令会创建一个名为 environment_name 的 conda 环境，可以使用以下命令激活它：

$ conda activate environment_name

这样我们的环境就全部就绪了。现在是时候安装一些我们将要用到的软件包了。当你在 conda 环境中时，安装软件包有两种不同的方式。你可以从 conda 仓库（repository）安装软件包，也可以从官方 PyPi 仓库安装。

$ conda/pip install package_name

注意：有些软件包可能无法在 conda 仓库中找到。因此，在本书中，使用 pip 安装将是最受推荐的方式。我已经整理了一份撰写本书时用到的软件包列表，保存在 environment.yml 中。你可以在我的 GitHub 仓库（repository）提供的额外资料（extra material）中找到它。你可以使用以下命令创建环境：

$ conda env create -f environment.yml

这条命令会创建一个名为 ml 的环境。要激活这个环境并开始使用它，你应该运行：

$ conda activate ml

这样我们就全部准备就绪，可以开始做一些实际应用的机器学习（applied machine learning）了！

在跟随本书编写代码时，请始终记得处于 ‘ml’ 环境中。

现在，让我们开始真正的第一章吧。