Hướng Dẫn Cài đặt Python Và Các Thư Viện Trên Windows

Latest

Con đường học PhD của tôi

37. Tích chập hai chiều

Diễn đàn

36. Keras

35. Lược sử Deep Learning

Con đường học Khoa học dữ liệu của một sinh viên Kinh tế

34. Decision Trees (1): ID3

33. Đánh giá hệ thống phân lớp

FundaML 3: Các mảng ngẫu nhiên

FundaML 2: Ma trận

FundaML 1: Mảng một chiều

FundaML.com

32. Naive Bayes Classifier

Viết và nhận xét các bài báo khoa học

31. Maximum Likelihood và Maximum A Posteriori

Con đường học Toán của tôi

30. Ôn tập Xác Suất

Q2. Transfer Learning

29. Linear Discriminant Analysis

Q1. Quick Notes 1

28. Principal Component Analysis (2/2)

27. Principal Component Analysis (1/2)

26. Singular Value Decomposition

25. Matrix Factorization Collaborative Filtering

24. Neighborhood-Based Collaborative Filtering

23. Content-based Recommendation Systems

22. Multi-class SVM

21. Kernel SVM

20. Soft Margin SVM

19. Support Vector Machine

18. Duality

17. Convex Optimization Problems

16. Convex sets và convex functions

15. Overfitting

14. Multi-layer Perceptron và Backpropagation

13. Softmax Regression

12. Binary Classifiers

11. Feature Engineering

10. Logistic Regression

9. Perceptron Learning Algorithm

8. Gradient Descent (2/2)

7. Gradient Descent (1/2)

6. K-nearest neighbors

5. K-means Clustering - Applications

4. K-means Clustering

3. Linear Regression

2. Phân nhóm các thuật toán Machine Learning

1. Giới thiệu về Machine Learning

Machine Learning cơ bản

• About
• Index
• Tags
• Categories
• Archive
• Math
• Copyrights
• ebook
• Search

Frequently Asked Questions

• 1. Blog được tạo như thế nào?
• 2. Các kiến thức cần thiết để học Machine Learning?
• 3. Hướng dẫn cài đặt python và các thư viện trên MacOS?
• 4. Hướng dẫn cài đặt python và các thư viện trên Windows?
• 5. Các sách tham khảo?
• 6. Làm thế nào để hỗ trợ blog

Bạn cũng có thể đặt các câu hỏi và tham gia thảo luận tại: Forum Machine Learning cơ bản

1. Blog được tạo như thế nào?

Mới bạn đọc bài Blog và các bài viết được tạo như thế nào để hiểu rõ hơn.

2. Các kiến thức cần thiết để học Machine Learning?

• Toán: bạn cần nắm vững các môn Giải Tích, Đại Số Tuyến Tính, Xác Suất Thông Kê. Nếu biết thêm về Toán Tối Ưu nữa thì rất tốt.

• Lập trình: bạn có thể dùng Matlab, Python, R. Hiện tại tôi thấy Python được sử dụng rộng rãi nhất vì có nhiều thư viện hỗ trợ, và cũng free nữa.

• Tiếng Anh: ít nhất là kỹ năng đọc, các bạn nên trau dồi càng sớm càng tốt. Đọc dần các tài liệu tiếng Anh để luyện cả tiếng và đọc thêm kiến thức mới.

Về đầu trang.

3. Hướng dẫn cài đặt python và các thư viện trên MacOS?

Xin cảm ơn facebook Nguyễn Nghĩa về phần hướng dẫn này:

Nhận thấy có một số bạn gặp khó khắn trong việc sử dụng source code trong các bài viết về Machine Learning cơ bản như việc cài đặt thư viện, import các thư viện đó để có thể chạy được những source trong các bài viết. Trong bài viết hôm nay tôi sẽ hướng dẫn các bạn cách cài đặt một số thư viện trên hệ điều hành MacOS nhằm phục vụ cho mục đích tìm hiểu và nghiên cứu về Machine Learning.

3. 1. Đôi nét về thư viện scikit-learn

Theo như tôi biết thì Scikit-learn mà một trong những thư viện mã nguồn mở Machine Learning viết bằng Python và được đông đảo mọi người sử dụng nhất hiện nay. Scikit-learn implement nhiều thuật toán máy học từ các thuật toán cơ bản cho đến các thuật toán phức tạp như DecisonTree, Naive Bayes, K-Nearest Neighbor (KNN), Support Vector Machine (SVM), Artificial Nerual Network (ANN)…

Trang chủ của thư viện: http://scikit-learn.org/

3.2. Cài đặt thư viện scikit-learn

Thư viện scikit-learn yêu cầu chúng ta phải cài đặt những module như dưới đây:

• Python (>= 2.6 or >= 3.3),
• NumPy (>= 1.6.1),
• SciPy (>= 0.9).

3.3 Python

Phiên bản mới nhất của hệ điều hành macOS (Sierra) thì python 2.7 đã được cài đặt sẵn, vì vậy chúng ta không cài đặt lại python. Với những verson khác thì trước khi cài đặt python chúng ta mở Termial và gõ lệnh gõ lệnh python để kiểm tra python đã đượcc cài đặt hay chưa.

python

Nếu python chưa được cài đặt thì sẽ xuất ra thông báo lỗi và chúng ta sử dụng lệnh dưới đây để cài đặt.

brew install python

Ngược lại sẽ xuất ra thông tin chi tiết về phiên bản python đang sử dụng và đi vào môi trường lập trình python.

Nếu bạn nào muốn cài đặt python phiên bản 3.6 thì sử dụng lệnh

brew install python3

3.4 Pip

Pip là một công cụ nhỏ gọn giúp chúng ta cài đặt các gói thư viện trong pytho một cách nhanh chóng. Hầu hết mọi thư viện của python đều được cài đặt qua pip. Và để cài đặt được pip chúng ta sử dụng lệnh:

sudo easy_install pip

3.5. Numpy

pip install numpy

3.6. Scipy

pip install scipy

3.7. Matplotlib

Matplotlib là một thư viện python phục vụ cho việc vẽ đồ thị. Lệnh cài đặt matplotlib

pip install matplotlib

3.8. Scikit-learn

Sau khi đã cài đặt xong các module mà scikit-learn yêu cầu thì chúng ta sử dụng lệnh dưới đây để cài đặt thư viện Machine Learning này.

pip install -U scikit-learn

Nếu gặp lỗi về permission thì các bạn sử dụng lệnh dưới

sudo pip install -U scikit-learn

3.9 Kiểm tra cài đặt

Sau khi cài đặt đẩy đủ các thư viện thì bước cuối cùng sẽ là thử import thư viện để kiểm tra lại quá trình cài đặt có thành công hay không. Hãy thư vào một trường lập trình python bằng cách mở Terminal và gõ lệnh:

python

Thử import thư viện bằng lệnh sau:

import sklearn

Nếu không có thông báo nào nghĩa là chúng ta đã install thành công. Ngược lại các bạn phải quay lại cài đặt các thư viện ở các bước trên.

3.10. Tài liệu tham khảo

[1] Installing scikit-learn

Về đầu trang.

4. Hướng dẫn cài đặt python và các thư viện trên Windows?

Cảm ơn facebook Pham Chi Hieu về phần trả lời này:

Bài: Cài đặt Python và thư viện sử dụng Anaconda trên Windows

4.1. Cài đặt Python bằng Anaconda.

Để tải về Python và một số thư viện cần thiết, một cách đơn giản nhất là tải về Anaconda cho windows và cài đặt vào thư mục bạn muốn. Anaconda hỗ trợ rất nhiều thư viện giúp lập trình Python.

Sau khi cài đặt xong, bạn vào thư mục Scripts trong thư mục Anaconda vừa cài đặt, và khởi động Spyder. Các bạn có thể sử dụng môi trường IDE nào cũng được. Tôi hay sử dụng Spyder vì layout của nó khá giống với Matlab, chúng ta có thể quan sát được Script, Console và các biến. Console cho Python của Spyder bao gồm Python hoặc IPython notebook.

Giao diện Spyder trên Windows.

4.2. Kiểm tra Libs

Anaconda đã có sẵn khá là nhiều thư viện python như : Numpy, Scipy, Matplotlib , sklearn

Để kiểm tra python của Anaconda đã có thư viện nào đó, chúng ta sẽ thử import nó trong Console.

>>> import numpy

Không có lỗi được thông báo nghĩa là python đã biết được thư viện này. Để kiểm tra thư viện này ở đâu, sau khi import, ta truy xuất đường dẫn của thư viện như sau:

>>> numpy.__file__ 'C:\\These\\soft\\Anaconda2\\lib\\site-packages\\numpy\\__init__.pyc'

Thư viện Numpy của tôi nằm ở đường dẫn ‘C:\These\soft\Anaconda2\lib\site-packages\’ . Anaconda đã có sẵn thư viện Numpy

>>> import sklearn Traceback (most recent call last): File "<stdin>", line 1, in <module> ImportError: No module named sklearn

Nếu như Python trả về lỗi Import như trên thì có nghĩa trong Anaconda chúng ta chưa có thư viện đó.

4.3. Cài đặt Libs bằng Anaconda

Ở phần trên python của tôi chưa có thư viện sklearn, nên tôi phải đi cài đặt nó. Vì tôi sử dụng Anaconda cho lập trình python nên tôi cần phải (1) cài đặt thư viện mới vào đường dẫn libs python của Anaconda hoặc (2) chỉ cho python của Anaconda biết về đường dẫn tới thư viện mới này.

Với Anaconda, việc cài đặt 1 thư viện đang được hỗ trợ cực kỳ đơn giản, tôi chỉ cần dùng tools pip hoặc conda mà Anaconda đã cài sẵn. Cụ thể, ở đây tôi muốn cài thư viện sklearn tôi truy cập vào trang chủ của sklearn. Trang này ghi rằng chúng ta có thể cài bằng pip hoặc conda.

Chúng ta sẽ bật cmd (Command Prompt) của windows lên và gõ lệnh conda install scikit-learn hoặc pip install -U scikit-learn. Conda sẽ tự động tìm thư viện sklearn và cài vào đường dẫn Anaconda giúp chúng ta.

C:>conda install scikit-learn Sử dụng conda qua cmd của windows.

Chờ cho thư viện và các thư viện liên quan hoàn tất cài đặt, chúng ta vào spyder kiểm tra lại đã có sklearn chưa. Và python trả về đã có sklearn trong Anaconda. Và chúng ta đã có thể sử dụng sklearn.

>>> import sklearn >>> sklearn.__file__ 'C:\\These\\soft\\Anaconda2\\lib\\site-packages\\sklearn\\__init__.pyc' >>>

Với 1 thư viện chưa có trên Anaconda, cách cài đặt sẽ phức tạp hơn chút nhưng hầu hết các thư viện lớn thường dùng đều có thể cài đặt thông qua Anaconda, nên chúng ta không phải lo lắng lắm. Để cài loại thư viện như vậy, tôi sẽ chỉ dẫn vào những bài sau.

4.4. Chạy thử 1 đoạn code trên python.

Bây giờ, các bạn đã có thể chạy thử 1 vài ví dụ trên trang Machine Learning cơ bản, ví dụ như Bài 3: Linear Regression

Về đầu trang.

5. Các sách tham khảo?

Mời bạn xem tại đây.

6. Làm thế nào để hỗ trợ blog

Nội dung trên blog này là hoàn toàn miễn phí. Tôi cũng không sử dụng dịch vụ quảng cáo nào vì không muốn làm phiền các bạn trong khi đọc. Tuy nhiên, nếu bạn thấy nội dung blog hữu ích và muốn ủng hộ blog, bạn có thể Mời tôi một ly cà phê bằng cách click vào nút ‘Buy me a coffee’ ở phía trên cột bên trái của blog, loại cà phê mà bạn vẫn thích uống :). Tôi xin chân thành cảm ơn.

Về đầu trang.

Nếu có câu hỏi, Bạn có thể để lại comment bên dưới hoặc trên Forum để nhận được câu trả lời sớm hơn. Bạn đọc có thể ủng hộ blog qua 'Buy me a cofee' ở góc trên bên trái của blog. Tôi vừa hoàn thành cuốn ebook 'Machine Learning cơ bản', bạn có thể đặt sách tại đây. Cảm ơn bạn. Share Share Diễn đàn Interactive Learning Facebook page

Machine Learning cơ bản

Facebook group Recommended books

• "Pattern recognition and Machine Learning.", C. Bishop
• "The Elements of Statistical Learning", T. Hastie et al.
• "Computer Vision: Models, Learning, and Inference", Simon J.D. Prince
• "Convex Optimization", Boyd and Vandenberghe

Recommended courses

• "Machine Learning", Andrew Ng
• CS224n: Natural Language Processing with Deep Learning
• CS231n: Convolutional Neural Networks for Visual Recognition
• CS246: Mining Massive Data Sets
• CS20SI: Tensorflow for Deep Learning Research
• Introduction to Computer Science and Programming Using Python

Others

• Top-down learning path: Machine Learning for Software Engineers
• Blog này được tạo như thế nào?
• Chúng tôi đã apply và học tiến sỹ như thế nào? (1/2)
• Chúng tôi đã apply và học tiến sỹ như thế nào? (2/2)
• 8 Inspirational Applications of Deep Learning
• Matrix calculus
• TensorFlow-Examples
• Eight Easy Steps To Get Started Learning Artificial Intelligence
• The 9 Deep Learning Papers You Need To Know About