Instalamos scikit-learn en BeagleBone Black

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.

scikit-learn-logo-small

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

Author: Manuel Carrasco

Ingeniero Eléctrico, Institutano, instructor certificado Cisco, en twitter @mcarrasco con comentarios y opiniones personales.

3 thoughts

  1. 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.

    1. 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 🙂

    2. 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 🙂

Responder a manuel Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *