ml-training-advanced, 下午,"Advanced Scikit learn" 类的材料

分享于 

4分钟阅读

GitHub

  繁體 雙語
Materials for the "Advanced Scikit-learn" class in the afternoon
  • 源代码名称:ml-training-advanced
  • 源代码网址:http://www.github.com/amueller/ml-training-advanced
  • ml-training-advanced源代码文档
  • ml-training-advanced源代码下载
  • Git URL:
    git://www.github.com/amueller/ml-training-advanced.git
    Git Clone代码到本地:
    git clone http://www.github.com/amueller/ml-training-advanced
    Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/amueller/ml-training-advanced
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
    
    ( 与 Andreas Mueller )

    教师

    这个库将包含与"高级scikit learning"相关的教学材料和其他信息。

    请从 http://ai.stanford.edu/~amaas/data/sentiment/ 下载大型电影评论数据集,然后再进入 workshop !

    获取教程材料

    如果你熟悉 git,那么克隆GitHub存储库可能是最方便的。 因为它允许你轻松同步对材质的任何更改,所以被强烈鼓励。

    
    git clone https://github.com/amueller/ml-training-advanced
    
    
    
    

    如果你不熟悉 git,你可以通过在浏览器中导入到GitHub存储库中的. zip 文件,然后点击右上角的绿色按钮下载存储库。

    请注意,我可以添加和改进材料,直到在教程之前,我们建议你更新材料的复印件。 如果你拥有一个GitHub帐户,并通过GitHub分支/克隆了知识库,你可以通过以下命令同步现有的fork:

    
    git pull origin master
    
    
    
    

    安装说明

    本教程将要求最近的安装

    最后一个很重要,你应该能够键入:

     
    jupyter notebook
    
    
    
     

    在终端窗口中,在浏览器中查看笔记本面板的加载。 尝试打开并运行从材料中的笔记本以查看它是否正常工作。

    For安装这些软件包,可以使用 painless painless Anaconda,例如 Anaconda Anaconda install安装和安装 python 发行版,其中包括 Anaconda Anaconda free free free free。 本教程中的代码示例应该与 python 2.7.python 3.4和更高版本兼容。 但是,建议使用最新的python 版本( 3.5或者 3.6 )。

    获得该资料后,我们向你推荐 open你打开并执行位于这里知识库顶层的笔记本 jupter notebook check_env.ipynb 在知识库中,你可以通过执行以下命令打开笔记本

    jupyter notebook check_env.ipynb

    在这个存储库内部,你可以通过单击"运行单元格"按钮在笔记本内部运行代码单元,如下图所示:

    最后,如果环境满足教程的要求,执行的代码单元将生成一个输出消息,如下所示:


      MAT  learn  Material  MATE  了解scikit  
    相关文章