下载掌阅APP，畅读海量书库
立即打开
本书的前半部分主要使用NumPy中的多维数组来存储和操作数据，偶尔会使用pandas。pandas是一个建立在NumPy之上的库，提供更加高级的额外数据操作工具，使处理表格数据更加方便。为了增强学习体验并可视化定量数据，本书使用可定制的Matplotlib库，这对于理解解决方案很有价值。
本书主要使用的机器学习库是Scikit-Learn（第3章至第11章）。在第12章中，将介绍用于深度学习的PyTorch库。
下面列出了本书使用的主要Python软件包及其版本号。请确保安装的软件包的版本号与这些版本号相同，以确保示例代码可以正确运行：
·NumPy 1.21.2；
·SciPy 1.7.0；
·Scikit-Learn 1.0；
·Matplotlib 3.4.3；
·pandas1.3.2。
安装完这些软件包后，可以在Python中导入软件包并访问其__version__属性，以确定已安装的版本正确，例如：
为方便起见，在本书的代码库（https://github.com/rasbt/machine-learning-book）中加入了python-environment-check.py脚本，这样可以通过执行此脚本检查Python版本和各种软件包的版本。
某些章节将需要额外的软件包，届时本书将提供有关软件包的安装信息。例如，在第12章需要安装PyTorch时，会提供PyTorch安装提示和说明，无须担心PyTorch软件包安装问题。
如果运行代码遇到错误，即使代码与本书中的代码完全相同，也建议首先检查所使用软件包的版本号，然后再花时间调试代码或联系程序开发者。有时，错误可能是由于一个软件包的新版本引入了向前不兼容的更改。
如果已经安装了Python和各种软件包，并不想将Python和各种软件包的版本号更改为本书使用的版本号，那么建议使用虚拟环境安装本书所使用的软件包。如果读者已经安装了Python但没有安装conda manager，那么可以使用venv库创建新的虚拟环境。例如，可以运行以下两个命令创建和激活虚拟环境：
请注意，每次打开新的终端时都需要激活虚拟环境。可以在https://docs.python.org/3/library/venv.html上找到更多关于venv库的信息。
如果在conda package manager中使用Anaconda，则可以按下述方式创建和激活虚拟环境：
