機器學習框架學習筆記-初識

在學習scikit-learn以前容我作一點介紹

scikit-learn（http://scikit-learn. org/stable/documentation（在這個網頁上能夠看到每一個算法的詳細文檔 ）） 

是一個開源的項目 ，裏面包含了目前最早進的機器學習算法 

若是你想使用或者是學習這個框架的話

Anaconda

請你下載Anaconda（www.anaconda.com/）

Anaconda 是用於大規模數據處理、預測分析和科學計算的 Python 發行版。

Anaconda 已經預先安裝 好 NumPy、SciPy、matplotlib、pandas、IPython、Jupyter Notebook 和 scikit-learn。

因此你能夠直接下載使用。

打開以後咱們能夠看到界面上面有不少的集成的工具

Jupyter Notebook

Jupyter Notebook 是能夠在瀏覽器中運行代碼的交互環境。

簡單的說就是一個編譯器

打開以後的界面 （這個是你本地文件）

若是你想改變編輯器讀取你的本地文件位置的話能夠用下面的辦法 

blog.csdn.net/slz0813/art…（更改jupyter-notebook默認workspace目錄 ）

下面就開始讓咱們建立第一個程序吧！

建立第一個程序 

NumPy

NumPy 是 Python 科學計算的基礎包之一。它的功能包括多維數組、高級數學函數（好比 線性代數運算和傅里葉變換），以及僞隨機數生成器。

SciPy 

SciPy 是 Python 中用於科學計算的函數集合。它具備線性代數高級程序、數學函數優化、 信號處理、特殊數學函數和統計分佈等多項功能。

matplotlib

matplotlib 是 Python 主要的科學繪圖庫，其功能爲生成可發佈的可視化內容，如折 線圖、直方圖、散點圖等。將數據及各類分析可視化，可讓你產生深入的理解。

pandas

pandas 是用於處理和分析數據的 Python 庫。它基於一種叫做 DataFrame 的數據結構，這 種數據結構模仿了R 語言中的DataFrame。簡單來講，一個pandas DataFrame 是一張表 格，相似於Excel 表格。pandas 中包含大量用於修改表格和操做表格的方法，尤爲是可 以像SQL 同樣對錶格進行查詢和鏈接。

補充內容：

看到上面的內容以爲仍是看不懂這個是在說什麼的話，請看看補充內容。

NumPy、SciPy、matplotlib、pandas、IPython、Jupyter Notebook 和 scikit-learn做爲python重要的庫，下面對各個各個庫進行詳細的解釋，這樣方便理解記憶。

NumPy （Numerical Python的簡稱）是Python科學計算的基礎包

它提供瞭如下功能（不限於此）：

1. 快速高效的多維數組對象ndarray。 
2. 用於對數組執行元素級計算以及直接對數組執行數學運算的函數。 
3. 用於讀寫硬盤上基於數組的數據集的工具。 
4. 線性代數運算、傅里葉變換，以及隨機數生成。 
5. -成熟的C API， 用於Python插件和原生C、C++、Fortran代碼訪問NumPy的 數據結構和計算工具。 

除了爲Python提供快速的數組處理能力，NumPy在數據分析方面還有另一個主要做用，即做爲在算法和庫之間傳遞數據的容器。對於數值型數據，NumPy數組在存儲和處理數據時要比內置的Python數據結構高效得多。此外，由低級語言（好比C 和Fortran）編寫的庫能夠直接操做NumPy數組中的數據，無需進行任何數據複製工做。所以，許多Python的數值計算工具要麼使用NumPy數組做爲主要的數據結構，要麼能夠與NumPy進行無縫交互操做。 

參考書籍：利用Python進行數據分析複製代碼

pandas 是用於處理和分析數據的 Python 庫

它提供瞭如下功能（不限於此）：

1. 有標籤軸的數據結構，支持自動或清晰的數據對齊。這能夠防止因爲數據不對齊，或處理來源不一樣的索引不一樣的數據，所形成的錯誤。
2.  集成時間序列功能。 
3. 相同的數據結構用於處理時間序列數據和非時間序列數據。 
4. 保存元數據的算術運算和壓縮。 靈活處理缺失數據。 
5. 合併和其它流行數據庫（例如基於SQL的數據庫）的關係操做。 

pandas兼具NumPy高性能的數組計算功能以及電子表格和關係型數據庫（如 SQL）靈活的數據處理功能。它提供了複雜精細的索引功能，能更加便捷地完成重 塑、切片和切塊、聚合以及選取數據子集等操做。

參考數據：利用Python進行數據分析複製代碼

matplotlib是 Python 主要的科學繪圖庫

matplotlib是最流行的用於繪製圖表和其它二維數據可視化的Python庫。它最初由 John D.Hunter（JDH）建立，目前由一個龐大的開發團隊維護。它很是適合建立出 版物上用的圖表。

SciPy是一組專門解決科學計算中各類標準問題域的包的集合

它提供瞭如下功能（不限於此）：

1. scipy.integrate：數值積分例程和微分方程求解器。  
2. scipy.linalg：擴展了由numpy.linalg提供的線性代數例程和矩陣分解功能。 
3. scipy.optimize：函數優化器（最小化器）以及根查找算法。 
4. scipy.signal：信號處理工具。 scipy.sparse：稀疏矩陣和稀疏線性系統求解器。 scipy.special：SPECFUN（這是一個實現了許多經常使用數學函數（如伽瑪函數） 的Fortran庫）的包裝器。 
5. scipy.stats：標準連續和離散機率分佈（如密度函數、採樣器、連續分佈函數 等）、各類統計檢驗方法，以及更好的描述統計法。 

scikit-learn 

Scikit-learn（之前稱爲scikits.learn）是一個用於Python編程語言的免費軟件機器學習庫。 它具備各類分類，迴歸和聚類算法，包括支持向量機，隨機森林，梯度加強，k -means和DBSCAN，旨在與Python數值和科學庫NumPy和SciPy互操做。

它的子模塊包括：

1. 分類：SVM、近鄰、隨機森林、邏輯迴歸等等。 
2. 迴歸：Lasso、嶺迴歸等等。
3. 聚類：k-均值、譜聚類等等。 
4. 降維：PCA、特徵選擇、矩陣分解等等。 
5. 選型：網格搜索、交叉驗證、度量。 預處理：特徵提取、標準化。