Docker实战,docker入门与实践
执行上述命令后，控制台输出如下：
(base)[root @ centos 7 ~]# docker run-RM-p 8888:8888波林骑兵/anaconda3-jupyter:0.0.1
启动朱皮特
[I 06:30:17.712记事本应用程序]正在将笔记本服务器甜饼干机密写入/root/.本地/共享/jupyter/运行时/笔记本_cookie_secret
[I 06:30:18.460记事本应用程序]从/opt/conda/lib/python 3.7/site-packages/JupyterLab加载的JupyterLab扩展
【I 06:30:18.460笔记本app】JupyterLab应用程序目录是/opt/conda/share/jupyter/lab
[I 06:30:18.461记事本应用程序]提供本地目录中的笔记本：/opt/笔记本
【I 06:30:18.461笔记本app】Jupyter笔记本运行于：
[i06:30:18.461笔记本app]http://(a 61298 AC 6493或127.0.0.1):8888/?token=708d 365 FCE 9d 9 a 76 f 98 B2 ade 7 e 9 AEF CBC 8401 DBF 5027 FFA 6
[I 06:30:18.462记事本应用程序]使用控制-C停止该服务器并关闭所有内核（两次跳过确认)。
这是什么意思记事本应用程序]
要访问笔记本，请在浏览器中打开该文件：
file:///root/.local/share/jupyter/runtime/nbserver-6-open。超文本标记语言
或者复制并粘贴以下统一资源定位器之一：
http://(a61298ac6493或127.0.0.1):8888/?token=708d 365 FCE 9d 9 a 76 f 98 B2 ade 7 e 9 AEF CBC 8401 DBF 5027 FFA 6
[W 06:31:15.960记事本应用程序]清除无效/过期的登录甜饼干用户名-192-168-121-137-8888
[W 06:31:15.961笔记本应用]无法验证WebSocket连接
[W 06:31:15.961笔记本应用]清除无效/过期的登录甜饼干用户名-192-168-121-137-8888
[W 06:31:15.962笔记本应用]清除无效/过期的登录甜饼干用户名-192-168-121-137-8888
【W 06:31:15.981笔记本app】403 GET/API/kernels/5e 3f 93d 5-4f 80-4ed 3-ad56-b 04 db 61 c 8487/channels？session _ id=33173 ba 03 fee 449 da 0839 df 0 e 10 CFB 6 e(192。168 .121 .1)22.41毫秒引用地址=无
注意上面的http://(a61298ac6493或127.0.0.1):8888/?token=708d 365 FCE 9d 9 a 76 f 98 B2 ade 7 e 9 AEF CBC 8401 DBF 5027 FFA 6、其中的708d 365 FCE 9d 9 a 76 f 98 B2 ade 7 e 9 aefcbc 8401 DBF 5027 FFA 6是登录朱皮特网页时要填写的代币字段，后面会用到；
机器学习的开发环境已经好了，够快吗？该运行经典入门实例了；
实战鸾尾花分类运行码头工人的电脑互联网协议(互联网协议)地址是192.168.121.137,于是打开浏览器，输入地址：http://192.168.121.137:8888
出现朱皮特登录页面，如下图，前面我们记下来了代币字符串的值(708d 365 FCE 9d 9 a 76 f 98 B2 ade 7 e 9 AEF CBC 8401 DBF 5027 FFA 6)，在红框位置输进去，然后点击右侧的登录按钮，即可登录成功；
如下图，点击右侧的新建，在弹出的菜单中点击Python 3 :
！[在这里插入图片描述](https://img-blog。csdnimg。cn/20190721144026688。jpg？x-oss-process=image/watermark，type_ZmFuZ3poZW5naGVpdGk，shadow_10，text _ ahr 0 CHM 6 ly 94 aw 5 jagvulmjsb 2 cuy 3 nkbi
《一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义》
【docs.qq.com/doc/DSmxTbFJ1cmN1R2dB】 完整内容开源分享
5uZXQ=，size_16，color_FFFFFF，t_70)
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：从sklearn.datasets导入负载_虹膜
从sklearn.model_selection导入训练_测试_拆分
将数组作为铭牌导入
进口熊猫作为螺纹中径
来自熊猫。绘图导入散点图_矩阵
将matplotlib.pyplot作为血小板计数导入
从sklearn.neighbors导入近邻分类器
#可以在浏览器上实时显示图像
%matplotlib内联
#取得鸾尾花数据集
iris_dataset=load_iris()
#将整个数据集分割成两部分：火车用来训练，测试用来测试，这里测试_大小等于10表示测试数据只有10条，其余的全部用作训练，
#注意，训练_测试_拆分会将虹膜_数据集的数据顺序打乱再分割
#X代表特征数据，每行代表一朵凤尾花的完整特征，有四列：花萼长、花萼宽、花瓣长、花瓣宽。
#y表示标签，例如y[0]=1，表示X[0]的四个特征。对应的凤尾花是第二类，凤尾花一共三类。
X_train，X_test，y_train，y _ test=train _ test _ split(iris _ dataset[ data ]，iris_dataset[target]，test_size=10)
#绘制时，指定数据列的名称来自数据集的“feature_names”。
iris_dataframe=pdDataFrame(X_train，columns=iris _ dataset[ feature _ names ])
#绘图，散点图，每个小图和横轴是一个特征，纵轴是另一个特征，
#例如，如果以花萼的长度为横轴，花萼的宽度为纵轴，可以看出，花萼长度和花萼宽度的不同数据对应着凤尾花的类型分布。
grr=scatter _ matrix(iris _ data frame，c=y_train，figsize=(15，15)，marker=o ，hist_kwds={bins:20}，s=60，alpha=.8)
#使用k最近邻算法进行训练
KNN=KNeighborsClassifier(n _ neighbors=1)
#使用前面的分段数据进行训练，X为特征，Y为凤尾花的某一类型。
KNN . fit(X _火车，y _火车)
#训练结束后，输入之前分割的10组特征值，用K近邻算法预测这10组特征值分别是哪10种凤尾花。
y_pred=knn.predict(X_test)
#打印出预测结果
Print("测试集预测结果： n {} "。格式(y _ pred))
#y_test准备了很久，实际类型对应那10组特性。
Print("实际测试集结果： n {}"。格式(y _ test))
#通过比较预测结果和实际结果，可以得到预测的准确性。
Print ("KNN分数：{:2f} "。格式(KNN.score (x _ test，y _ test)))
