接下來開始機器學習部分
第一步配置環境：

VSCode使用Jupyter完整指南

1. 安裝必要的擴展

打開VSCode，按 Ctrl+Shift+X 打開擴展市場，搜索并安裝以下擴展：

必裝擴展：

• Python (Microsoft官方) - Python語言支持
• Jupyter (Microsoft官方) - Jupyter notebook支持
• Pylance (Microsoft官方) - Python智能提示和語法檢查

推薦擴展：

• Python Docstring Generator - 自動生成函數文檔
• Python Environment Manager - Python環境管理
• Jupyter Keymap - Jupyter快捷鍵支持

2. Python環境配置

# 方法1：使用Anaconda（推薦）
conda create -n ai_learning python=3.9
conda activate ai_learning# 安裝Jupyter相關包
conda install jupyter notebook ipykernel
# 或使用pip
pip install jupyter notebook ipykernel# 安裝AI學習必需的庫
pip install numpy pandas matplotlib seaborn scikit-learn
pip install tensorflow keras torch torchvision
pip install plotly jupyter-widgets ipywidgets# 將環境注冊到Jupyter內核
python -m ipykernel install --user --name ai_learning --display-name "AI Learning Python 3.9"

# 方法2：使用虛擬環境
python -m venv ai_env
# Windows激活
ai_env\Scripts\activate
# macOS/Linux激活
source ai_env/bin/activate# 安裝相同的包
pip install jupyter ipykernel numpy pandas matplotlib seaborn scikit-learn
python -m ipykernel install --user --name ai_env --display-name "AI Environment"

3. VSCode配置優化

按 Ctrl+, 打開設置，搜索相關設置或直接編輯 settings.json：

{// Python解釋器路徑"python.defaultInterpreterPath": "~/anaconda3/envs/ai_learning/bin/python",// Jupyter設置"jupyter.askForKernelRestart": false,"jupyter.sendSelectionToInteractiveWindow": false,"jupyter.interactiveWindow.creationMode": "perFile","jupyter.widgetScriptSources": ["jsdelivr.com", "unpkg.com"],"jupyter.runStartupCommands": ["%load_ext autoreload", "%autoreload 2"],// Notebook設置"notebook.cellToolbarLocation": {"default": "right","jupyter-notebook": "left"},"notebook.output.textLineLimit": 30,"notebook.showCellStatusBar": "visible",// Python設置"python.terminal.activateEnvironment": true,"python.linting.enabled": true,"python.linting.pylintEnabled": true,// 字體和主題"editor.fontSize": 14,"editor.fontFamily": "'Fira Code', 'Consolas', 'Courier New', monospace","editor.fontLigatures": true,// 中文支持"files.autoGuessEncoding": true
}

4. 創建和使用Jupyter Notebook

方法1：通過命令面板

1. 按 Ctrl+Shift+P 打開命令面板
2. 輸入 “Jupyter: Create New Jupyter Notebook”
3. 選擇Python內核（選擇我們創建的ai_learning環境）

方法2：直接創建文件

1. 在文件資源管理器中右鍵點擊
2. 選擇 “New File”
3. 命名為 test.ipynb
4. VSCode會自動識別為Jupyter文件

方法3：使用快捷鍵

• Ctrl+Shift+P → “Python: Create Blank New Jupyter Notebook”

5. Jupyter Notebook基本操作

單元格操作：

• Shift+Enter - 運行當前單元格并移到下一個
• Ctrl+Enter - 運行當前單元格不移動
• Alt+Enter - 運行當前單元格并在下方插入新單元格
• A - 在當前單元格上方插入新單元格
• B - 在當前單元格下方插入新單元格
• DD - 刪除當前單元格
• M - 轉換為Markdown單元格
• Y - 轉換為代碼單元格

實用快捷鍵：

• Ctrl+/ - 注釋/取消注釋
• Tab - 自動補全
• Shift+Tab - 查看函數文檔
• Ctrl+S - 保存
• Ctrl+Z - 撤銷

6. 環境切換和內核管理

切換Python環境：

1. 點擊右上角的內核選擇器
2. 選擇 “Select Another Kernel”
3. 選擇 “Python Environments”
4. 選擇你創建的 “AI Learning Python 3.9”

查看可用內核：

jupyter kernelspec list

刪除不需要的內核：

jupyter kernelspec uninstall unwanted_kernel_name

7. 實用技巧和最佳實踐

7.1 魔法命令（Magic Commands）

# 在notebook中使用以下魔法命令
%matplotlib inline  # 圖表內聯顯示
%load_ext autoreload  # 自動重載模塊
%autoreload 2  # 自動重載所有模塊# 查看執行時間
%time your_function()
%timeit your_function()# 查看當前變量
%who  # 簡單列表
%whos  # 詳細信息# 執行shell命令
!pip list
!ls -la

7.2 調試技巧

# 在代碼中設置斷點
import pdb; pdb.set_trace()# 或使用ipdb（需要安裝：pip install ipdb）
import ipdb; ipdb.set_trace()# 在VSCode中可以直接設置斷點，點擊行號左側

7.3 輸出優化

# 設置pandas顯示選項
import pandas as pd
pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', 100)
pd.set_option('display.width', None)# 設置numpy顯示選項
import numpy as np
np.set_printoptions(precision=3, suppress=True)# 設置matplotlib中文顯示
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字體
plt.rcParams['axes.unicode_minus'] = False   # 負號顯示

8. 測試配置

創建一個測試文件驗證配置是否正確：

# 測試基本功能
import sys
print("Python版本:", sys.version)
print("Python路徑:", sys.executable)
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus'] = False    # 用來正常顯示負號
# 測試科學計算庫
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as snsprint("NumPy版本:", np.__version__)
print("Pandas版本:", pd.__version__)# 測試簡單繪圖
x = np.linspace(0, 10, 100)
y = np.sin(x)plt.figure(figsize=(10, 6))
plt.plot(x, y, label='sin(x)')
plt.title('測試圖表')
plt.xlabel('x')
plt.ylabel('y')
plt.legend()
plt.grid(True)
plt.show()# 測試數據處理
df = pd.DataFrame({'A': np.random.randn(5),'B': np.random.randn(5),'C': np.random.randn(5)
})
print("\n測試DataFrame:")
print(df)# 測試機器學習庫
try:import sklearnprint(f"Scikit-learn版本: {sklearn.__version__}")print("? 機器學習環境配置成功！")
except ImportError:print("? 需要安裝scikit-learn")try:import tensorflow as tfprint(f"TensorFlow版本: {tf.__version__}")print("? 深度學習環境配置成功！")
except ImportError:print("? 需要安裝TensorFlow")

9. 常見問題解決

問題1：內核無法連接

# 重新安裝ipykernel
pip uninstall ipykernel
pip install ipykernel
python -m ipykernel install --user

問題2：中文顯示亂碼

# 在notebook開頭添加
import matplotlib
matplotlib.rcParams['font.family'] = ['DejaVu Sans']
# 或下載中文字體文件

問題3：模塊導入錯誤

# 檢查當前Python路徑
import sys
print(sys.path)# 添加自定義路徑
sys.path.append('/path/to/your/modules')

問題4：圖表不顯示

# 確保添加這行
%matplotlib inline
# 或者嘗試
%matplotlib widget

10. 推薦的工作流

1. 項目結構：

ai_learning_project/
├── data/           # 數據文件
├── notebooks/      # Jupyter notebooks
├── src/           # Python源代碼
├── models/        # 保存的模型
├── results/       # 結果和圖表
└── requirements.txt  # 依賴列表

2. 文件命名：

• 01_data_exploration.ipynb - 數據探索
• 02_data_preprocessing.ipynb - 數據預處理
• 03_model_training.ipynb - 模型訓練
• 04_model_evaluation.ipynb - 模型評估