前言
在 Linux 系统下面来把机器学习的开发环境给搭起来,这事情其实不算太难。咱们因为得考虑到包里边的那些依赖关系搞不清的问题, 所以最稳妥的办法, 就是先去创建一个虚拟环境的这个东西, 拿它当成是咱们干机器学习这块活的地方。
在那种弄好的虚拟环境里头头儿, 再去一个一个地把各种咱们用得着的包给装上。主要涉及到下面的这六个软件包（之所以这么说呢, 是因为看了慕课网那个视频的最开始的第一节概述部分的时候听老师讲过, 再加上我自己琢磨出来的一点理解）。
Numpy: 这是一个用于构建数据结构的基础工具, 主要用来存储数据集；Scipy：它是一个功能非常强大的科学计算软件包, 包含矩阵分析、信号分析以及数理分析等各种方法；有一个丰富的可视化套件, 它的主要用途是画图用的；还有一个基础数据分析套件, 它在Numpy的基础上又封装了更上一层；-learn: 这是一个提供强大数据分析建模功能的库里面实现了各种机器学习算法；Keras: 这是用于实现人工神经网络的库, 但在当前的情况下暂时用不到关于虚拟环境的安装方面。
其实是很简单的, 直接看代码就可以了。
cd /homemkdir demo
virtualenv demo #执行完毕后，在demo文件夹中就建立了虚拟环境
cd demo
source bin/activate # 进入虚拟环境，source命令后面加指向activate的路径就行，在任何文件夹下都可以通过敲这个命令进入该虚拟环境，进入之后可以看到提示符行首出现 "(demo)"，表示已经在虚拟环境中了
deactivate #在任意文件夹下，输入此命令回车，退出虚拟环境
安装上述6个包
其实它也是非常的简单, 你可以直接去查看一下相关的代码。
source /home/demo/bin/activate #进入虚拟环境pip3 install Numpy
pip3 install scipy
pip3 install matplotlib
pip3 install scikit-learn
pip3 install pandas
pip3 install keras
#不出意外的话安装应该比较顺利，如果有问题，再百度解决——2017-12-06 21:42:26，除了 pandas 安装遇到问题还没有解决以外，其他安装都很顺利。
#下面是一些可能会用到的命令
pip3 list #查看python下已安装的模块
pip3 uninstall xxx #删除已有的模块，如果安装错了可以删掉（注意 pandas 和 panda 不是一个）
