教程:从pycharm基于anaconda构建机器学习环境并运行第一个 Python 文件

1. 安装 PyCharm

  1. 访问 PyCharm 官方网站:https://www.jetbrains.com/pycharm/
  2. 下载社区版(免费)或专业版(收费,提供更多功能)。
  3. 按照操作系统的安装指导安装 PyCharm。
  4. 安装后打开 PyCharm,并根据提示设置初始环境。

2. 安装 Anaconda

  1. 访问 Anaconda 官方网站:https://www.anaconda.com/

  2. 下载适合您操作系统的版本。

  3. 按照安装指导安装 Anaconda:

    • 确保选中将 Anaconda 加入到系统的 PATH(可选,常许可选)。
  4. 通过打开窗口或命令控制口输入以验证安装:

    bash 复制代码
    conda --version

3. 创建用于机器学习的虚拟环境

  1. 打开命令控制口或窗口。

  2. 通过下列命令创建一个新的虚拟环境:

    bash 复制代码
    conda create -n ml_env python=3.9
    • ml_env 换成您喜欢的环境名称。
    • 3.9 换成您需要的 Python 版本(如 3.10)。
  3. 启用刚创建的虚拟环境:

    • Windows 上:

      bash 复制代码
      conda activate ml_env
    • macOS/Linux 上:

      bash 复制代码
      source activate ml_env
  4. 安装基础机器学习库:

    bash 复制代码
    conda install numpy pandas matplotlib scikit-learn
    • 如需学习深度学习,可添加 TensorFlow 或 PyTorch:

      bash 复制代码
      conda install tensorflow
      # 或
      conda install pytorch torchvision torchaudio -c pytorch

4. 在 PyCharm 中配置虚拟环境

  1. 打开 PyCharm,创建一个新项目:
    • 进入 File > New Project
    • 选择项目位置。
  2. 设置项目的 Python 解释器为虚拟环境:
    • 进入 File > Settings (macOS 为 Preferences) > Project > Python Interpreter
    • 点击驱动图标,选择 Add Interpreter > Conda Environment > Existing Environment
    • 选择您虚拟环境中的 Python 执行文件:
      • Windows 上:C:\Users\YourUsername\Anaconda3\envs\ml_env\python.exe
      • macOS/Linux 上:~/anaconda3/envs/ml_env/bin/python
  3. 点击 OK 保存设置。

5. 写作并运行您的第一个 Python 文件

  1. 创建一个新的 Python 文件:

    • 右键 PyCharm 中项目面板上的项目文件夹。
    • 选择 New > Python File ,并为文件命名,如 first_ml_script.py
  2. 在文件中写入一个简单脚本:

    python 复制代码
    import numpy as np
    import pandas as pd
    from sklearn.linear_model import LinearRegression
    
    # 示例数据
    X = np.array([[1], [2], [3], [4], [5]])
    y = np.array([1, 4, 9, 16, 25])
    
    # 线性回归模型
    model = LinearRegression()
    model.fit(X, y)
    
    print("模型系数:", model.coef_)
    print("模型截距:", model.intercept_)
  3. 运行脚本:

    • 在项目面板中右键文件,选择 Run 'first_ml_script'
    • 或者点击右上角的绿色跑按钮。

6. 验证您的环境

  • 如果设置正确,您应该能在 PyCharm 的输出面板中看到脚本的输出。

  • 示例输出:

    模型系数: [6.]
    模型截距: -7.0
    

恭喜您!您已成功安装 PyCharm 和 Anaconda,创建了一个用于机器学习的虚拟环境,并运行了第一个 Python 文件!

相关推荐
陈壮实的搬砖生活3 分钟前
深入理解Python中的常用数据格式(如csv、json、pickle、npz、h5等):存储机制与性能解析
python·数据格式
kris00098 分钟前
人工智能知识分享第三天-机器学习中交叉验证和网格搜索
人工智能·深度学习·机器学习
当交通遇上机器学习16 分钟前
超越局部损失函数的预测-优化方法
人工智能·机器学习
weixin_3077791327 分钟前
AWS EMR上的Spark用Kafka搜集大数据日志Tableau报表展示的设计和实现
大数据·python·spark·kafka·云计算
云心似我心^o^40534 分钟前
Java实现下载excel模板,并实现自定义下拉框
java·windows·python
檀越剑指大厂1 小时前
【Python系列】Flask 与 FastAPI:两个 Python Web 框架的对比分析
python·flask·fastapi
CM莫问1 小时前
神经网络的初始化方式都有哪些?
人工智能·python·深度学习·神经网络·算法·torch·权重初始化
阿正的梦工坊1 小时前
PyTorch 自动混合精度AMP Grad Scaler 源码解析:_unscale_grads_ 与 unscale_ 函数
人工智能·pytorch·python
有馬公生1 小时前
Python中的闭包和装饰器
开发语言·python
小黄编程快乐屋2 小时前
scratch二次开发,blockly积木块的多语言效果实现
开发语言·python