在线文档

sklearn 环境搭建

cover

关于 Anaconda

Anaconda 是一个强大的开源数据科学平台,它将很多好的工具整合在一起，极大地简化了使用者的工作流程。

下面我们就开始安装 Anaconda。

TIP

完整版安装教程可以查看Anaconda 环境搭建。

卸载 Python

如果你从未安装过 Python，请忽略这一步。

Anaconda 的安装分两种情况：

情况一：电脑现在没有装 python 或者现在装的可以卸载掉（装 Anaconda 前先卸载 python）
情况二：电脑目前装了 python，但想保留它 (比较复杂，请参考网上其他教程)

如果是情况二，我强烈建议把你的情况改成情况一！

验证是否安装了 Python

在开始安装 Anaconda 之前，我们需要先确认电脑上是否已经安装了 Python。

打开命令提示符（Windows，按下 Win+R 打开运行框，输入 cmd）或终端（Mac/Linux），输入以下命令：

shell

python --version

如果输出 Python 的版本号，说明 Python 已经安装，我们需要卸载它。

卸载 Python（若已安装了 Python）

Windows：在开始菜单中搜索 控制面板，然后点击 程序，然后点击 卸载或更改程序。找到（可以直接搜索python）并点击 Python 3.x，然后点击 卸载。
Mac/Linux：打开终端，输入以下命令：

shell

sudo apt-get remove python3

检查并删除环境变量（若安装过 Python）

查看用户自己设置的环境变量（使用 windows 自带的搜索，关键词为“环境变量”），也就是上面那一栏

找到 path，选中 path 并点击编辑，进入查看自己设置过的环境变量

将 python 相关的变量全部删除，如图中两个值，都选中，然后点击删除，再确定（如果卸载完 python 的时候环境变量自动删掉了就不用管）

在退出时，不要忘记外面还有几个确认按钮，也需要点击，不要直接叉掉，否则并没有保存设置。

下载 Anaconda 安装包

进入 Anaconda 官网，注册或登录，在 Hub 中点击 Install Distribution，填写信息后下载即可。

如果你的网络无法访问 Anaconda 官网或者下载速度较慢，可以从清华大学开源软件镜像站下载。

或者，直接使用本文档提供的网盘下载。

在版本方面，可以使用最新版，但网上风评比较好的是 22 版，不过用起来其实差距不大。

安装 Anaconda

在 Anaconda 安装的过程中，比较容易出错的环节是环境变量的配置，所以大家在配置环境变量的时候，要细心一些。

双击下载好的安装包，点击 Next，点击 I Agree，选择 Just Me，选择安装路经（安装在 C 盘也有好处，不过与 C 盘爆炸来说不值一提，建议按在其他盘）然后 Next，来到如下界面：

勾选 Register Anaconda as my default Python 3.x，不要勾选 Add Anaconda to my PATH environment variable，我们需要后期手动添加环境变量。

点击 Install，安装需要等待一会儿，最后一直 Next，直到安装完成。

最后的页面将两个选项都取消打勾，点击 Finish 完成安装。

安装好后我们需要手动配置环境变量。

配置环境变量

计算机（右键）→ 属性 → 高级系统设置 →（点击）环境变量

在下面系统变量里，找到并点击 Path

在编辑环境变量里，点击新建

输入下面的五个环境变量。（这里不是完全一样的！你需要将以下五条环境变量中涉及的到的"C:\ProgramData\Anaconda3"都修改为你的 Anaconda 的安装路径）

C:\ProgramData\Anaconda3
C:\ProgramData\Anaconda3\Scripts
C:\ProgramData\Anaconda3\Library\bin
C:\ProgramData\Anaconda3\Library\mingw-w64\bin
C:\ProgramData\Anaconda3\Library\usr\bin

简要说明五条路径的用途：这五个环境变量中，1 是 Python 需要，2 是 conda 自带脚本，3 是 jupyter notebook 动态库, 4 是使用 C with python 的时候

新建完成后点击确定。

验证

打开 cmd，在弹出的命令行查看 anaconda 版本，依次输入：

shell

conda --version
python --version

若各自出现版本号，即代表配置成功。

在开始菜单或桌面找到 Anaconda Navifator 将其打开（若桌面没有可以发一份到桌面，方便后续使用），出现 GUI 界面即为安装成功。

更改 conda 源

如果你没有魔法上网工具，建议更改 conda 源，这样可以加快下载包的速度。清华大学提供了 Anaconda 的镜像仓库，我们把源改为清华大学镜像源。

找到 Anaconda prompt，打开 shell 面板。

在命令行输入以下命令：

shell

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes

查看是否修改好通道：

shell

conda config --show channels

安装 Python 库

Anaconda 自带了一些常用的库，如 numpy、pandas、matplotlib、seaborn、scikit-learn 等。

如果需要安装其他库，可以直接在 Anaconda Navigator 里搜索安装。

在 vscode 中指定 conda 环境

我们一般使用 vscode 进行代码编写，vscode 也支持 conda 环境的切换。

下载 python 插件并安装，然后在 vscode 的左下角找到环境选择框，点击右边的设置按钮，选择 conda 环境。

也可以在终端中执行：

shell

conda activate 环境名称

Hello, sklearn!

至此，我们已经在本地配置好了 sklearn 的运行环境，我们可以用一个非常简单的例子来测试一下。

新建 Python 文件，输入以下代码并运行：

python

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score, classification_report, confusion_matrix, ConfusionMatrixDisplay
import pandas as pd
import matplotlib.pyplot as plt

# 导入数据集
iris = load_iris()
# print(iris)
iris_df = pd.DataFrame(iris.data, columns=iris.feature_names)
iris_df['species'] = iris.target
print(iris_df.head())

# 可视化数据集
plt.figure(figsize=(10, 6))
plt.xlabel('sepal length (cm)')
plt.ylabel('sepal width (cm)')
plt.scatter(iris_df[iris_df['species'] == 0]['sepal length (cm)'], iris_df[iris_df['species'] == 0]['sepal width (cm)'], color='red', label='Setosa')
plt.scatter(iris_df[iris_df['species'] == 1]['sepal length (cm)'], iris_df[iris_df['species'] == 1]['sepal width (cm)'], color='green', label='Versicolor')
plt.scatter(iris_df[iris_df['species'] == 2]['sepal length (cm)'], iris_df[iris_df['species'] == 2]['sepal width (cm)'], color='blue', label='Virginica')
plt.legend()
plt.title('Iris Dataset - Sepal Length vs Width')
plt.show()

# 数据预处理
scaler = StandardScaler()
x = scaler.fit_transform(iris.data)

# 对比预处理效果
plt.figure(figsize=(12, 5))
plt.subplot(1, 2, 1)
plt.hist(iris.data[:, 0], bins=20, color='blue', alpha=0.7)
plt.title('Before Scaling')
plt.subplot(1, 2, 2)
plt.hist(x[:, 0], bins=20, color='green', alpha=0.7)
plt.title('After Scaling')
plt.show()

# 切分数据集
x_train, x_test, y_train, y_test = train_test_split(x, iris.target, test_size=0.3, random_state=42)
print(f"Training set size: {x_train.shape}, {y_train.shape}")
print(f"Testing set size: {x_test.shape}, {y_test.shape}")

# 训练模型
accuracies = []
k_values = range(1, 11)
for k in k_values:
    knn = KNeighborsClassifier(n_neighbors=k)
    knn.fit(x_train, y_train)
    y_pred = knn.predict(x_test)
    accuracies.append(accuracy_score(y_test, y_pred))  # 模型的准确率
print(accuracies)

# 绘制准确率与k值的关系图
plt.figure(figsize=(10, 6))
plt.plot(k_values, accuracies, marker='o')
plt.xlabel('K Value')
plt.ylabel('Accuracy')
plt.title('K Value vs. Accuracy')
plt.grid()
plt.show()

# 确定模型
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(x_train, y_train)

# 预测测试集
y_pred = knn.predict(x_test)
for i in range(5):
    print(f"True label: {y_test[i]}, Predicted label: {y_pred[i]}")

# 计算准确率
accurancy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accurancy:.2f}")

# 计算分类报告
report = classification_report(y_test, y_pred)
print(report)

# 计算混淆矩阵
cm = confusion_matrix(y_test, y_pred)
print(cm)

# 绘制混淆矩阵热力图
cm_display = ConfusionMatrixDisplay(cm, display_labels=iris.target_names)
cm_display.plot(cmap=plt.cm.Blues)
plt.title('Confusion Matrix')
plt.show()

运行后便可以看到相应的结果，具体的使用方法与我们在后续的学习中会掌握。

TIP

如果你希望以此为案例作为入门，可以参考完成课程 - hello-sklearn

使用 Jupyter Notebook / JupyterLab

使用 Anaconda 启动 jupyter 本地环境

Anaconda 自带了 jupyter notebook 与 jupyterlab，可以方便地编写和运行 Python 代码。

我们以较新的 jupyterlab 为例。打开 Anaconda Navigator，点击 jupyterlab 下面的 launch 按钮（如果没有请先点击 install），Anaconda 会自动在浏览器中打开 jupyter 界面。

关闭页面即可退出环境。

关于 jupyterlab 的使用，请参考官方文档。

使用 vscode 运行 jupyter 文件

许多 vscode 插件对 jupyter 的运行都进行了支持，例如 Jupyter Extension for Visual Studio Code。

下载并安装插件，新建 .ipynb 文件，然后点击右上角的运行按钮，选择运行环境，选择 Anaconda 环境后使用即可。

使用 kaggle 在线使用 jupyter

kaggle 是一个提供数据集和竞赛的平台，我们可以直接在线使用 jupyter 进行数据分析。

官网地址：https://www.kaggle.com/

首先注册一个 kaggle 账号，然后点击左侧的 Competitions 进入竞赛页面，选择一个竞赛，点击 Join Competition 进入竞赛页面，点击 Rules 进入竞赛规则页面，点击 Data 进入数据页面，点击 Download All 下载数据集。

点击左侧的 Notebooks 进入笔记页面，点击 New Notebook 新建笔记，即可使用在线的仿真环境进行数据分析。

[附录] Anaconda 常用命令

在没有 GUI 的情况下，以下命令比较常用：

1.查看当前环境下安装的库：

shell

conda list

2.查看所有环境：

shell

conda info --envs

3.创建新的环境：

shell

conda create -n 环境名称 python=版本号

4.激活环境：

shell

conda activate 环境名称

5.退出环境：

shell

conda deactivate

6.删除环境：

shell

conda remove -n 环境名称 --all

7.导出环境：

shell

conda env export > environment.yaml

8.导入环境：

shell

conda env create -f environment.yaml

9.列出所有可用的包：

shell

conda search 包名

10.安装包：

shell

conda install 包名

11.更新包：

shell

conda update 包名

12.卸载包：

shell

conda uninstall 包名

在线文档 ​

关于 Anaconda ​

卸载 Python ​

验证是否安装了 Python ​

卸载 Python（若已安装了 Python） ​

检查并删除环境变量（若安装过 Python） ​

下载 Anaconda 安装包 ​

安装 Anaconda ​

配置环境变量 ​

验证 ​

更改 conda 源 ​

安装 Python 库 ​

在 vscode 中指定 conda 环境 ​

Hello, sklearn! ​

使用 Jupyter Notebook / JupyterLab ​

使用 Anaconda 启动 jupyter 本地环境 ​

使用 vscode 运行 jupyter 文件 ​

使用 kaggle 在线使用 jupyter ​

[附录] Anaconda 常用命令 ​

在线文档

关于 Anaconda

卸载 Python

验证是否安装了 Python

卸载 Python（若已安装了 Python）

检查并删除环境变量（若安装过 Python）

下载 Anaconda 安装包

安装 Anaconda

配置环境变量

验证

更改 conda 源

安装 Python 库

在 vscode 中指定 conda 环境

Hello, sklearn!

使用 Jupyter Notebook / JupyterLab

使用 Anaconda 启动 jupyter 本地环境

使用 vscode 运行 jupyter 文件

使用 kaggle 在线使用 jupyter

[附录] Anaconda 常用命令