Docker 下，五分钟极速体验机器学习
欢迎访问我的 GitHub
这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos
看标题是否很激动，对机器学习很感兴趣，但是搭建环境和运行 demo 总是要花些精力和时间的，现在利用 docker 可以简化准备工作，一行命令即可直奔主题；
环境信息
操作系统：CentOS Linux release 7.6.1810
Docker：18.09.8
您没有看错，一个运行 docker 的 Linux 环境足矣！只要下载镜像的网速够快，几分钟之内即可体验机器学习。
极速搭建环境
执行下面这行命令，您就拥有了开始机器学习的开发环境：Annaconda3，并且 jupyter notebook 已经 ready：
执行上述命令后，控制台输出如下：
注意上面的 http://(a61298ac6493 or 127.0.0.1):8888/?token=708d365fce9d9a76f98b2ade7e9aefcbc8401dbf5027ffa6 ，其中的 708d365fce9d9a76f98b2ade7e9aefcbc8401dbf5027ffa6 是登录 jupyter 网页时要填写的 token 字段，后面会用到；
机器学习的开发环境已经 OK 了，够快吗？该运行经典入门实例了；
实战鸾尾花分类
运行 docker 的电脑 IP 地址是 192.168.121.137，于是打开浏览器，输入地址：http://192.168.121.137:8888
出现 jupyter 登录页面，如下图，前面我们记下来了 token 字符串的值(708d365fce9d9a76f98b2ade7e9aefcbc8401dbf5027ffa6)，在红框位置输进去，然后点击右侧的"Log in"按钮，即可登录成功；
如下图，点击右侧的"New"，在弹出的菜单中点击"Python 3"：
会出现新的页面，如下图，这就是我们输入代码和运行代码的地方：
在上图红框中，输入以下代码，这段代码就是经典的鸾尾花分类：一共有 150 朵鸾尾花，每朵有自己的花萼长、花萼宽、花瓣长、花瓣宽这四个特征值，这 150 朵鸾尾花一共分为三类，我们取其中的 140 朵交给机器学习，学习完成后，我们将剩下 10 朵的特征给机器，让机器来分类，最后对比机器分类的结果和实际结果，看看误差有多大，代码中已经添加了详细的注释，就不再赘述了：
写完了代码，点击下图红框中的按钮，即可运行：
运行结果会立即显示出来，如下图：
您可以修改源码中 train_test_split 方法的 test_size 参数，例如从 10 改为 50，这样学习样本就减少了，而测试数据增加了，理论上推测准确率会下降，请您自行修改和验证这个推论；
至此，您已经搭建好了机器学习的开发环境，并且运行了最经典的入门 Demo。
关于 Docker
一行命令就搭建好了开发环境，您也许会对该命令中的 Docker 镜像感兴趣，该镜像的关键是两个文件：制作镜像的 Dockerfile 和容器启动的 docker-entrypoint.sh，您可以在可以从 GitHub 上下载这两个文件，地址和链接信息如下表所示：
这个 git 项目中有多个文件夹，本章的文件在 jupyterdockerfiles 文件夹下，如下图所示：
欢迎关注 InfoQ：程序员欣宸
版权声明: 本文为 InfoQ 作者【程序员欣宸】的原创文章。
原文链接:【http://xie.infoq.cn/article/958bb30e57e82fedea54a06dd】。文章转载请联系作者。
搜索"程序员欣宸"，一起畅游Java宇宙 2018.04.19 加入
前腾讯、前阿里员工，从事Java后台工作，对Docker和Kubernetes充满热爱，所有文章均为作者原创，个人Github：https://github.com/zq2599/blog_demos
评论