环境说明#
-
本内容默认你已经具备基础 Python 编程能力并熟悉 NumPy，Pandas 等常用库。当然，对于基础更弱的读者，我也提供了《附录一：机器学习数学基础》和《附录二：机器学习常用工具》的内容供你参考。
-
所有的内容均使用 Jupyter Notebook 书写并运行，便于理解和复现。你可以先阅读附录章节《Jupyter Notebook 简明指南》了解 Jupyter Notebook 的基本使用方法。
-
深度学习的章节，对数据量和网络结构进行了简化，绝大部分都可以无需 GPU 运行，便于更多人学习。需要 GPU 的内容会在相应的章节中有说明。
-
除单独说明的章节外，所有代码均在 Python 3.10 环境下运行通过。一般情况下，代码可以在相关 package 的主流版本下运行，如果运行报错，可以尝试单独安装以下版本，部分库的安装也会在相应的章节中有提示。由于依赖较多且个别库的依赖之间存在版本冲突，所以不提供统一的
requirements.txt文件。numpy == 1.26.1 scipy == 1.11.3 pandas == 2.1.2 seaborn == 0.13.0 matplotlib == 3.8.1 scikit-learn == 1.3.2 statsmodels == 0.11.0 jieba == 0.42.1 gensim == 4.3.2 hdbscan == 0.8.33 graphviz == 0.20.1 mlxtend == 0.23.0 tensorflow == 2.14.0 nltk == 3.8.1 flair == 0.13.0 onnx == 1.15.0
○ 推荐安装 GetVM 浏览器扩展，使用其提供的基于 Linux 操作系统的 Jupyter Notebook 在线环境进行代码实践。
○ 欢迎分享本文链接到你的社交账号、博客、论坛等。更多的外链会增加搜索引擎对本站收录的权重，从而让更多人看到这些内容。