fenago/machine-learning

fenago/machine-learning 镜像文档

镜像概述

fenago/machine-learning是一个专为机器学习课程设计的Docker镜像，基于Jupyter Lab构建，提供完整的学习环境和实验资源。该镜像包含多个预设实验，覆盖机器学习核心概念与算法，方便用户快速上手并实践相关技术。

核心功能与特性

• 集成Jupyter Lab：提供功能丰富的交互式开发环境，支持代码编写、运行与可视化
• 预设实验资源：包含12个机器学习实验，覆盖从基础概念到神经网络的完整内容
• 权限管理：支持sudo权限，便于安装额外依赖和工具
• 灵活部署：可通过修改端口和容器名称运行多个实例，满足多用户或多环境需求

使用场景

• 机器学习初学者学习基础概念与算法
• 学生完成机器学习课程的实验练习
• 教育机构或培训项目提供统一的实验环境

使用方法

基本运行命令

bash
docker run -d --restart=always --user root -p 80:80 --name ml -e GRANT_SUDO=yes -e JUPYTER_ENABLE_LAB=yes fenago/machine-learning jupyter lab --port 80 --allow-root

参数说明

• -d：后台运行容器
• --restart=always：容器退出时自动重启
• --user root：以root用户运行
• -p 80:80：端口映射，将容器的80端口映射到主机的80端口
• --name ml：容器名称为"ml"
• -e GRANT_SUDO=yes：允许Jupyter Lab使用sudo权限
• -e JUPYTER_ENABLE_LAB=yes：启用Jupyter Lab界面
• jupyter lab --port 80 --allow-root：启动Jupyter Lab并允许root用户访问

运行多个实例

通过修改容器名称和端口映射，可运行多个实例：

bash
docker run -d --restart=always --user root -p <主机端口>:80 --name <新容器名称> -e GRANT_SUDO=yes -e JUPYTER_ENABLE_LAB=yes fenago/machine-learning jupyter lab --port 80 --allow-root

示例：运行第二个实例，使用容器名称"ml2"和主机端口8080

bash
docker run -d --restart=always --user root -p 8080:80 --name ml2 -e GRANT_SUDO=yes -e JUPYTER_ENABLE_LAB=yes fenago/machine-learning jupyter lab --port 80 --allow-root

提交与推送更改

若对镜像内容进行修改，可保存更改并推送：

bash
# 提交修改到本地镜像
docker commit ml fenago/machine-learning

# 推送到远程仓库
docker push fenago/machine-learning

实验资源

镜像包含以下12个实验，可通过浏览器访问：http://<主机IP>/lab/workspaces/<实验路径>

1. 什么是机器学习？（只读）

   • 路径：lab1_introduction

2. 机器学习的类型（只读）

   • 路径：lab2_types

3. 拟合数据：线性回归

   • 路径：lab3_regression

4. 分割数据：感知机算法

   • 路径：lab4_perceptron

5. 概率分割：逻辑回归

   • 路径：lab5_logistic

6. 最大概率：朴素贝叶斯算法

   • 路径：lab6_naive_bayes

7. 通过提问分割数据：决策树

   • 路径：lab7_decision_trees

8. 使用朴素贝叶斯和SVM预测类别

   • 路径：lab8_support_vector

9. 组合模型：集成学习

   • 路径：lab9_ensemble_learning

10. 测试、过拟合与欠拟合

    • 路径：lab10_testing

11. 神经网络

    • 路径：lab11_neural_networks

12. 端到端示例

    • 路径：lab12_example