导读

JupyterLab作为一种基于web的集成开发环境，被称为下一代的Jupyter Notebook，你可以使用它编写notebook、操作终端、编辑markdown文本、打开交互模式、查看csv文件及图片等功能,支持Python等多种语言，十分适合做数据分析及可视化工作。 随着GPT大模型算法的盛行，数据分析已经从过去传统的人为打标、清洗的运营流程转向更智能、高效、复合的机器学习分析。

那么如何低成本、快速地搭建一个JupyterLab？

用一台轻量云主机就能做到，我们还可以用这个JupyterLab实现画像分析。本文将以京东云轻量云主机为例，手把手演示如何一步一步搭建机器学习平台并进行客户画像分析。

第一步：选购一台高性价比的轻量云主机

轻量云主机是面向中小企业、开发者打造的预装精选软件、开箱即用的主机产品，快速搭建网站、电商、企业低代码工具箱，云盘、共享文档、知识库、开发测试环境等，相对普通云主机，按套餐购买更优惠、控制台可视化管理，运维更简单，提供更便捷上云体验。

在京东云官网进入轻量云主机选购页，根据需求选择配置，本次使用的配置为2C4G5M800G月流量。现在这个机型正在促销很划算。

购买后，访问控制台：

第二步：远程连接云服务器

通过PuTTy远程工具（可以自己选工具）连接云服务器。使用root账户和密码登录，密码会通过短信发送到手机。

第三步：下载与安装Anaconda包

在轻量云主机的Linux系统中，下载Anaconda包需要在终端里执行以下命令：

mkdir anaconda # 创建文件夹

cd anaconda # 进入文件夹

wget # 下载安装包

bash Anaconda3-2020.11-Linux-x86_64.sh # 安装

第四步：配置环境变量

[root@lavm-ba6po1r9fh anaconda]# cd

[root@lavm-ba6po1r9fh ~]# ls

anaconda anaconda3 anaconda-ks.cfg original-ks.cfg

[root@lavm-ba6po1r9fh ~]# cd /root/anaconda3/bin

[root@lavm-ba6po1r9fh bin]# vim ~/.bashrc

1、在.bashrc下添加以下内容：

Anaconda

export PATH="/root/anaconda3/bin:$PATH"

[root@lavm-ba6po1r9fh bin]# source ~/.bashrc

2、使设置生效

[root@lavm-ba6po1r9fh bin]# conda -V # 验证安装

conda 4.10.3

[root@lavm-ba6po1r9fh bin]# conda create -n jabari python=3.8

3、创建环境

Collecting package metadata (current_repodata.json): doneSolving environment: done

[root@lavm-ba6po1r9fh bin]# jupyter lab --generate-config

4、生成配置文件

Writing default config to: /root/.jupyter/jupyter_lab_config.py

[root@lavm-ba6po1r9fh bin]# vim /root/.jupyter/jupyter_lab_config.py

5、编辑配置文件

c.ServerApp.ip = '*' # 设置访问的IP地址

c.ServerApp.open_browser = False

6、不自动打开浏览器

c.ServerApp.port = 6888 （自己可以自己设置端口，这里设置了6888）

7、ServerApp的端口号

c.MappingKernelManager.root_dir = '/root/jupyter_run'

8、设置Jupyter Notebook的根文件夹

c.ServerApp.allow_remote_access = True

9、允许远程访问

c.ServerApp.password = ''

10、不设置登录密码

c.ServerApp.allow_origin='*'

11、允许任何来源的请求

c.ServerApp.password_required = False

12、不需要密码

c.ServerApp.token = ''

13、不设置验证token

（注意，配置设置的端口，需要在控制台的防火墙里配置对应的端口规则）

[root@lavm-ba6po1r9fh bin]# mkdir /root/jupyter_run

创建Jupyter Notebook的根文件夹

第五步：启动JupyterLab

[root@lavm-ba6po1r9fh bin]# jupyter lab --allow-root # 启动JupyterLab

之后，在本地浏览器输入"服务器ip:端口号"访问即可：

第六步：根据自己业务进行客户分析结语

到此为止，我们就完成了搭建一个JupyterLab机器学习开发平台的基本操作，以及实现了客户画像分析的演示。