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:

    复制代码
    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
88号技师41 分钟前
模糊斜率熵Fuzzy Slope entropy+状态分类识别!2024年11月新作登上IEEE Trans顶刊
人工智能·机器学习·分类·数据挖掘·信号处理·故障诊断·信息熵
死磕代码程序媛1 小时前
谷歌25年春季新课:15小时速成机器学习
人工智能·机器学习
凌叁儿1 小时前
python保留关键字详解
开发语言·python
橙色小博2 小时前
Transformer模型解析与实例:搭建一个自己的预测语言模型
人工智能·深度学习·神经网络·机器学习·transformer
意.远2 小时前
PyTorch实现二维卷积与边缘检测:从原理到实战
人工智能·pytorch·python·深度学习·神经网络·计算机视觉
勤劳的进取家2 小时前
贪心算法之最小生成树问题
数据结构·python·算法·贪心算法·排序算法·动态规划
兮兮能吃能睡2 小时前
Python中的eval()函数详解
开发语言·python
三道杠卷胡3 小时前
【AI News | 20250411】每日AI进展
人工智能·python·计算机视觉·语言模型·aigc
前端开发张小七3 小时前
16.Python递归详解:从原理到实战的完整指南
前端·python
前端开发张小七3 小时前
15.Python正则表达式入门:掌握文本处理的利器
前端·python