Ubuntu上Python機器學習庫怎么用

在Ubuntu上使用Python機器學習庫可按以下步驟操作：

1. 安裝基礎環境

   • 更新系統：sudo apt update && sudo apt upgrade
   • 安裝Python和pip：sudo apt install python3 python3-pip
   • （可選）安裝虛擬環境工具：pip3 install virtualenv，創建并激活虛擬環境：

     virtualenv myenv  
     source myenv/bin/activate  
     

2. 安裝機器學習庫

   • 基礎庫：pip install numpy pandas matplotlib scikit-learn
   • 深度學習框架：
     • TensorFlow：pip install tensorflow
     • PyTorch：pip install torch torchvision torchaudio
   • 可選庫：Seaborn（可視化）、OpenCV（計算機視覺）等

3. 驗證安裝
   在Python中導入庫并打印版本號，例如：

   import numpy as np  
   print(np.__version__)  
   

4. 使用庫進行開發

   • 基礎示例（scikit-learn）：

     from sklearn.datasets import load_iris  
     from sklearn.model_selection import train_test_split  
     from sklearn.neighbors import KNeighborsClassifier  
     iris = load_iris()  
     X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)  
     model = KNeighborsClassifier(n_neighbors=3)  
     model.fit(X_train, y_train)  
     print(model.predict(X_test))  
     

   • 深度學習示例（PyTorch）：

     import torch  
     import torch.nn as nn  
     # 定義簡單神經網絡  
     class Net(nn.Module):  
         def __init__(self):  
             super(Net, self).__init__()  
             self.fc = nn.Linear(10, 1)  
         def forward(self, x):  
             return self.fc(x)  
     net = Net()  
     print(net)  
     

5. 進階工具（可選）

   • 使用Jupyter Notebook交互式開發：

     pip install notebook  
     jupyter notebook  
     

   • 部署模型：將訓練好的模型保存為文件（如.pkl或.pt），通過腳本加載并預測。

注意事項：

• 部分庫（如TensorFlow、PyTorch）可能需要安裝系統依賴（如CUDA、NVIDIA驅動），具體參考官方文檔。
• 虛擬環境可避免庫版本沖突，推薦為每個項目單獨創建。