PyCaret 的安装

软件要求

本课程中的代码适用于所有主流操作系统，包括微软 Windows、Linux 和苹果 macOS。我们需要在计算机上安装 Python 3 和 JupyterLab。另一个有用的工具是 Anaconda，这是一个机器学习与数据科学工具包，包含大量实用的库和软件包。Anaconda 可在此链接免费下载。你也可以使用 Google Colab 等云服务来运行 Python 代码，无需在本地安装任何内容。

安装 PyCaret

可以通过在 Anaconda 终端中执行以下命令，在本地安装 PyCaret 库。你也可以在 Google Colab 或类似服务中执行相同命令，以在远程服务器上安装该库。

pip install pycaret[full]==2.3.4

执行此命令后，PyCaret 将被安装，我们便可以运行本课程中的所有代码示例。建议同时安装可选依赖项，方法是包含 [full] 标识符。此外，安装正确的包版本可确保最大程度的兼容性。本课程使用的是 PyCaret 2.3.4 版本。最后，建议为 PyCaret 创建一个 conda 环境，这被视为最佳实践，因为它有助于避免与其他包发生冲突，并确保始终安装正确的依赖项。

安装 Spacy 和 TextBlob

PyCaret 的自然语言处理（NLP）模块需要 Spacy 的英文语言模型以及 TextBlob 的语料库。这些资源未包含在 PyCaret 的安装包中，因此需要通过在 Anaconda 终端中执行以下命令手动下载：

1python -m spacy download en_core_web_sm
2python -m textblob.download_corpora

完成上述操作后，相关资源将被下载，你就可以无障碍地使用自然语言处理模块了。显然，如果你已为其他使用 Spacy 和 TextBlob 库的项目下载过这些文件，则可跳过此步骤。

使用 JupyterLab

JupyterLab 是一个功能强大的基于网页的用户界面，可用于创建和运行包含 Python 代码的 Jupyter 笔记本。你可以在 Anaconda 终端中执行以下命令来启动 JupyterLab。将 lab 替换为 notebook 可运行较旧版本的 Jupyter Notebook 界面，但仅在遇到 JupyterLab 兼容性问题时才建议这样做。

jupyter lab

启动 JupyterLab 后，你可以创建新的 Jupyter 笔记本，并运行本课程各章节提供的代码。执行 Jupyter 笔记本后，代码及其输出结果都会显示给用户。这种文件格式还可包含文本、图表和可视化内容。Jupyter Notebook 是一种功能强大的格式，已成为数据科学和机器学习领域的标准。更多关于 JupyterLab 的使用信息，请参考官方文档。在本课程的各个章节中，每个代码片段代表一个独立的 Jupyter Notebook 单元格，可通过按下“Shift” + “Enter”快捷键来执行。

安装 Streamlit

你可以通过在终端中执行以下命令轻松安装 Streamlit Python 库：pip install streamlit。

GitHub 仓库

本课程包含的所有代码示例均可在官方 GitHub 仓库中获取。每个文件夹对应同名课程章节的 Python 代码。你也可以将该仓库克隆到本地计算机。Git 是版本控制的事实标准，因此假设大多数开发者都熟悉其基本用法。如果你尚未使用过 Git，建议参考官方快速参考指南。