关于自动化机器学习的研究的热度越来越高，可是大学在给学生普及机器学习的基础知识的时候，首先就让学生去看最简单的一些简单的helloworld，拿个scrapy框架去跑一下数据。问题出在哪？很简单，还是不能去理解如何利用一些简单的python语法去实现这些简单的功能。比如说同样是logistic回归，这么多基础的框架，如果用python来实现，你还得去看一堆代码，然后再自己手写一遍代码。那么在日常的实际工作中，到底需要哪些简单的工具和代码来解决实际的问题呢？下面就跟大家一起详细聊聊，如何搭建一个实用的python编程环境，做到从零开始从linux到jupyternotebook来进行机器学习项目的学习。一、python初步了解先来谈谈python吧。
python语言用得越来越多，几乎可以代替c和c++，已经成为了一门通用语言，对于项目开发来说，首要作用就是利用。python可以做三件事：一个是做爬虫，爬任何你想要抓取的数据；二是做web应用，做web开发；三是做数据分析。今天我们要讨论的主要是web应用。
最基础的工具当然就是浏览器了，假设你有windows的电脑和python3的编译环境：如何安装windows和linux呢？1、最简单的方法是用pip。关于pip安装python编译环境的教程可以参考：pip安装python编译环境(本教程)但是，我个人觉得非常繁琐，而且不容易坚持下去，一旦更新很容易就不会了。另外一个是用jupyter的模块。jupyter是一个基于python的，用来打包web服务器的python语言模块，可以很容易得弄到一个电脑上，多人一起写代码。
最简单的方法是在网上找pythonweb框架，自己去写。但是如果让我在这个领域，依然我去写linux服务器上，用一个python语言模块把数据抓取进去，再让服务器去处理数据，或者一个pythonfastdfs，网上有各种配置包和教程，能读下去。直接就把数据对接进了服务器的数据库，那么我做什么？网上又写不出来可以直接打包的代码，只能在服务器上弄。也就是说如果我要web系统，那我就得先把python编译起来，才能让服务器和代码进去，而且要开发一个服务器端的应用，要养一个服务器端的程序员，这不是显得很麻烦，而是根本不可能。如果还要写python界面的话，没法做呀。所以还是不要想用python做web了。那就只能我自己想办法了。那么自己写一个web应用的话，那就要用lxml或者flask了，这样是很容易的。但是，如果我没有用过lxml或者flask的话，我根本不知道如何使用这个模块。