Cuando queremos usar una plataforma tan flexible como el Beaglebone Black, debemos usar programas especiales que permitan ver que es posible, y que no, usando este equipo. En este post instalamos un módulo de Python llamado scikit-learn que trata sobre el Machine Learning.
Machine Learning o aprendizaje automatico, es una rama de la Inteligencia Artificial que estudia programas que tienen la capacidad de aprender o evolucionar basado en su experiencia. Como todo proceso de aprendizaje opera en base a ensayo , creación de hipótesis y puesta a prueba de métricas
Especificamente scikit-learn posee las siguientes características,
- Herramientas simple y eficientes para minería de datos (data mining) y análisis de datos
- Accesible a todos y reusable en varios contextos
- Basado en Numpy, Scipy y matplotlib
- Open source
Los detalles, después del salto
Materiales
- Beaglebone Black
- SD con OS Ubuntu, ver este artículo
- Fuente de poder 5V @ 1A
Procedimiento
Encontramos las instrucciones en el sitio oficial
Los comandos usados son
sudo apt-get install build-essential python-dev python-numpy python-setuptools python-scipy libatlas-dev libatlas3-base
luego ejecutamos
sudo pip install -U scikit-learn
Para verificar se requiere el package nose, ver por ejemplo la página oficial
nosetests sklearn --exe
Eventualmente tendremos como resultado una salida similar a la que se indica,
Ran 1720 tests in 1086.316s OK (SKIP=14)
Con esto finaliza la instalación ahora puedes ver la página de scikit-learn en este link oficial
buenas, muy útil el artículo. Me surgen dos dudas. primero Que rendimiento se tiene y segundo en otras plataformas raspberry hummingboard es possible instalar scikit.
Gran idea! creo que funcionará mejor en la nueva RaspberryPi2, vamos a hacer esa prueba. En relación al hummingboard no lo tenemos, pero aceptamos donaciones para algún review 🙂
Gran idea! creo que funcionará mejor en la nueva RaspberryPi2, vamos a hacer esa prueba. En relación al hummingboard no lo tenemos, pero aceptamos donaciones para algún review 🙂