1.先安裝python（類似於java中的jdk）
- 從官網下載python，python2和python3語法有點不同，選自己熟悉的即可（這有個坑，tensorflow目前不支持python3.7及以上的版本，所以建議，直接下載python3.6就ok了）
- 點擊install for all users，然后路徑最好直接放在c盤下面（查找文件夾方便）
- 安裝的時候注意選擇add enviriment variables（這樣就不用自己配置環境變量了，美滋滋）
2.安裝pycharm(這個是python的IDE，也可以選用jupyter notebook)
- 官網下載pycharm
- 激活碼 http://idea.imsxm.com
3.安裝numpy，scipy，panadas，matplotlib，sciki-learn等機器學習庫
（在線安裝方式）
- 1.直接打開windows命令行界面
- 2.輸入python，啟動python編譯器
- 3.輸入pip install +包名（如numpy,scipy,pandas,matplotlib,keras,tensorflow,scikit-learn）,就可以自動安裝了
（離線安裝方式，先下載安裝包，再安裝）
下載地址:http://www.lfd.uci.edu/~gohlke/pythonlibs/#matplotlib （庫名中帶有cp的標識的是版本號，如果python是3.6的，則cp后面數字應該為36）
NumPy-數學計算基礎庫：N維數組、線性代數計算、傅立葉變換、隨機數等。
SciPy-數值計算庫：線性代數、擬合與優化、插值、數值積分、稀疏矩陣、圖像處理、統計等。
Pandas-數據分析庫：數據導入、整理、處理、分析等。
matplotlib-會圖庫：繪制二維圖形和圖表
scikit-learn:Simple and efficient tools for data mining and data analysis
Accessible to everybody, and reusable in various contexts
Built on NumPy, SciPy, and matplotlib
Open source, commercially usable - BSD license
- 安裝如下：
- 在第一步安裝好的文件夾python中，新建一個Scripts的文件夾
- 把下載的五個類庫放到該文件夾中
- 打開windows命令行，用命令行定位到該文件夾：cd c:\python36\Scripts
- 按順序安裝五個類庫，安裝命令為：pip install +下載的類庫名字；如果想卸載的話，命令為：pip uninstall+下載的類庫名字
4.用pycharm跑程序，測試是否安裝成功
# Code source: Jaques Grobler
# License: BSD 3 clause
#linear_model
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
from sklearn.metrics import mean_squared_error, r2_score
# Load the diabetes dataset
diabetes = datasets.load_diabetes()
# Use only one feature
diabetes_X = diabetes.data[:, np.newaxis, 2]
# Split the data into training/testing sets
diabetes_X_train = diabetes_X[:-20]
diabetes_X_test = diabetes_X[-20:]
# Split the targets into training/testing sets
diabetes_y_train = diabetes.target[:-20]
diabetes_y_test = diabetes.target[-20:]
# Create linear regression object
regr = linear_model.LinearRegression()
# Train the model using the training sets
regr.fit(diabetes_X_train, diabetes_y_train)
# Make predictions using the testing set
diabetes_y_pred = regr.predict(diabetes_X_test)
# The coefficients
print('Coefficients: \n', regr.coef_)
# The mean squared error
print("Mean squared error: %.2f"
% mean_squared_error(diabetes_y_test, diabetes_y_pred))
# Explained variance score: 1 is perfect prediction
print('Variance score: %.2f' % r2_score(diabetes_y_test, diabetes_y_pred))
# Plot outputs
plt.scatter(diabetes_X_test, diabetes_y_test, color='black')
plt.plot(diabetes_X_test, diabetes_y_pred, color='blue', linewidth=3)
plt.xticks(())
plt.yticks(())
plt.show()
如果安裝成功，運行結果圖如下：
