1.1开发环境配置

安装Python

1. 从Python官网 下载对应系统及版本安装包，目前最新Python版本为3.7.1，该系列文章代码采用2.7.9版本编写，代码会有差异。Mac系统中可采用homebrew安装，方便快捷

2.下载完成后默认安装即可，并将安装路径添加到系统变量中。

3.安装Python算法库：以Numpy->Scipy->Matplotlib->Scikit-Learn的顺序安装所需算法库。
1）通过%python_home%/Scripts/pip install 库名(全小写字母）
例如：pip install lumpy
安装完成后可以看到如下提示
Successfully installed xxx(库名)
2）通过Anaconda进行算法库管理
从 Anaconda官网下载对应平台和对应python版本的安装包，默认安装即可。

4.IDE配置
1）简单的文本工具，如UltraEdit就可以编写开发Python
2）Pycharm开发工具

5.验证环境
配置完成后我们可以用如下代码来验证环境是否配置成功。
我们新建project，并在project中新建python file，该文件内容如下：

# -*- coding:utf-8 -*-
# Filename: mytest1.py

import numpy as np
import matplotlib.pyplot as plt

dataset = [[-0.017612, 14.053064], [-1.395634, 4.662541], [-0.752157, 6.538620], [-1.322371, 7.152853],
           [0.423363, 11.054677], [0.406704, 7.067335], [0.667394, 12.741452], [-2.460150, 6.866805],
           [0.569411, 9.548755], [-0.026632, 10.427743], [0.850433, 6.920334], [1.347183, 13.175500],
           [1.176813, 3.167020], [-1.781871, 9.09753]]
dataMat = np.mat(dataset).T
#取转置矩阵第一列为X，取转置矩阵第二列为Y
plt.scatter([dataMat[0, :]], [dataMat[1, :]], c='red', marker='o')
X = np.linspace(-2, 2, 100)
Y = 2.8 * X + 9

plt.plot(X, Y)
plt.show()

之后，右键单击运行，能够成功绘制出数据散点和线性图，说明环境及算法库已成功安装。

运行效果[散点及线性图]

附：Pycharm配置Anaconda环境
在Pycharm中File->New Projects->New environment -> select "Conda"

Pycharm设置Anaconda参数
Windows系统中可能无法自动识别anaconda路径，您可以手动选择anaconda安装路径下的python.exe作为Conda executable的路径 Anaconda算法库管理界面