要在Ubuntu上使用OpenCV2進行機器學習，您需要首先安裝必要的軟件包和庫

1. 安裝Python和pip：

sudo apt update
sudo apt install python3 python3-pip

2. 安裝虛擬環境（可選）：

pip3 install virtualenv
virtualenv venv
source venv/bin/activate

3. 安裝OpenCV2：

pip install opencv-python

4. 安裝其他必要的庫：

pip install numpy matplotlib scikit-learn

5. 創建一個Python文件并編寫代碼。例如，以下是一個使用OpenCV2和KNN分類器進行手寫數字識別的簡單示例：

import cv2
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import classification_report, confusion_matrix

# 加載數據集
data = np.loadtxt('digits.csv', delimiter=',')
X = data[:, :-1]
y = data[:, -1].astype(int)

# 劃分訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 數據預處理
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# 創建KNN分類器
knn = KNeighborsClassifier(n_neighbors=3)

# 訓練模型
knn.fit(X_train, y_train)

# 預測
y_pred = knn.predict(X_test)

# 評估模型
print("Confusion Matrix:\n", confusion_matrix(y_test, y_pred))
print("\nClassification Report:\n", classification_report(y_test, y_pred))

6. 運行代碼：

python your_script.py

這只是一個簡單的示例，實際上您可以使用更復雜的算法和技術來進行機器學習。請確保根據您的需求調整代碼。