Python 机器学习生态系统

Python 生态系统正在发展，并可能成为机器学习的主导平台。

采用 Python 进行机器学习的主要理由是，它是一种通用编程语言，既可用于研究开发，也可用于生产。

在这篇文章中，您将了解 Python 机器学习生态系统。

通过我的新书《使用 Python 进行机器学习精通》开启您的项目，包括分步教程和所有示例的 Python 源代码文件。

让我们开始吧。

Python 机器学习生态系统
图片来源：Stewart Black，保留部分权利。

Python

Python 是一种通用解释型编程语言。它易于学习和使用，主要因为该语言注重可读性。

Python 的哲学体现在Python 之禅中，其中包括以下短语：

• 优美胜于丑陋。
• 明了胜于隐晦。
• 简单胜于复杂。
• 复杂胜于繁琐。
• 扁平胜于嵌套。
• 稀疏胜于密集。
• 可读性很重要。

您可以通过在 Python 环境中输入以下内容来查看完整的 Python 之禅：

它是一种流行的通用语言，在 StackOverflow 的调查中（例如2015 年的调查结果）始终位列前 10 名编程语言。它是一种动态语言，非常适合交互式开发和快速原型设计，同时具备支持开发大型应用程序的能力。

由于其出色的库支持，以及它是一种通用编程语言（与 R 或 Matlab 不同），它也广泛用于机器学习和数据科学。例如，请参阅2011 年 Kaggle 平台调查结果和KDD Nuggets 2015 工具调查结果。

这是一个简单而非常重要的考虑因素。

这意味着您可以使用与操作中相同的编程语言进行研究和开发（确定要使用的模型）。这极大地简化了从开发到操作的过渡。

SciPy

SciPy 是一个用于数学、科学和工程的 Python 库生态系统。它是 Python 的一个附加组件，您在机器学习中会用到它。

SciPy 生态系统由以下与机器学习相关的核心模块组成：

• NumPy：SciPy 的基础，让您可以高效地处理数组中的数据。
• Matplotlib：允许您从数据创建 2D 图表和绘图。
• pandas：用于组织和分析数据的工具和数据结构。

要在 Python 中有效地进行机器学习，您必须安装并熟悉 SciPy。具体来说：

• 您将使用 Pandas 加载、探索并更好地理解您的数据。
• 您将使用 Matplotlib（以及其他框架中 Matplotlib 的封装器）创建数据的绘图和图表。
• 您将把数据准备为 NumPy 数组，以用于机器学习算法中的建模。

您可以在文章《使用 Pandas 在 Python 中准备机器学习数据》和《使用 Pandas 进行快速而简易的数据分析》中了解更多关于 Pandas 的信息。

scikit-learn

scikit-learn 库是您在 Python 中开发和实践机器学习的方式。

它建立在 SciPy 生态系统之上，并需要 SciPy 生态系统。“scikit”这个名称暗示它是一个 SciPy 插件或工具包。您可以查看可用 SciKits 的完整列表。

该库的重点是用于分类、回归、聚类等机器学习算法。它还提供用于相关任务的工具，例如评估模型、调整参数和预处理数据。

与 Python 和 SciPy 一样，scikit-learn 是开源的，并且在 BSD 许可证下可用于商业用途。这意味着您可以使用相同的生态系统和代码来学习机器学习、开发模型并将其投入运营。这是使用 scikit-learn 的一个强大理由。

您可以在文章《scikit-learn 入门指南》中了解更多关于 scikit-learn 的信息。

Python 生态系统安装

有多种方法可以安装用于机器学习的 Python 生态系统。本节将介绍如何安装用于机器学习的 Python 生态系统。

如何安装 Python

第一步是安装 Python。我更喜欢并推荐使用 Python 2.7。

这将根据您的平台而定。有关说明，请参阅《Python 初学者指南》中的下载 Python。

安装完成后，您可以确认安装成功。打开命令行并键入：

您应该看到如下响应：

如何安装 SciPy

安装 SciPy 的方法有很多。例如，两种流行的方法是使用您平台上的包管理器（例如 RedHat 上的 yum 或 OS X 上的 macports）或使用 pip 等 Python 包管理工具。

SciPy 文档非常出色，并在“安装 SciPy Stack”页面上介绍了许多不同平台的安装说明。

安装 SciPy 时，请确保至少安装以下包：

• scipy
• numpy
• matplotlib
• pandas

安装完成后，您可以确认安装成功。在命令行中键入“python”打开 Python 交互式环境，然后键入并运行以下 Python 代码以打印已安装库的版本。

在发帖时，我的工作站上看到以下输出。

您看到什么输出？请在评论中发布。

如果出现错误，您可能需要查阅您平台的文档。

如何安装 scikit-learn

我建议您使用与安装 SciPy 相同的方法来安装 scikit-learn。

有安装 scikit-learn 的说明，但它们仅限于使用 Python pip 和 conda 包管理器。

与 SciPy 一样，您可以确认 scikit-learn 已成功安装。启动您的 Python 交互式环境，然后键入并运行以下代码。

它将打印已安装的 scikit-learn 库的版本。在我的工作站上，我看到以下输出：

如何安装生态系统：更简单的方法

如果您对在计算机上安装软件不自信，有一个更简单的选择。

有一个名为 Anaconda 的发行版，您可以免费下载和安装。

它支持 Microsoft Windows、Mac OS X 和 Linux 三个主要平台。

它包含 Python、SciPy 和 scikit-learn。您需要的所有东西都可以用 Python 环境学习、实践和使用机器学习。

总结

在这篇文章中，您了解了 Python 机器学习生态系统。

您了解了：

• Python 及其在机器学习中日益增长的用途。
• SciPy 及其通过 NumPy、Matplotlib 和 Pandas 提供的功能。
• scikit-learn，它提供了所有的机器学习算法。

您还学习了如何在您的工作站上安装 Python 机器学习生态系统。

您对 Python 机器学习或本文有任何疑问吗？请在评论中提出您的问题，我将尽力回答。

发现 Python 中的快速机器学习！

在几分钟内开发您自己的模型

...只需几行 scikit-learn 代码

在我的新电子书中学习如何操作
精通 Python 机器学习

涵盖自学教程和端到端项目，例如
加载数据、可视化、建模、调优等等...

最终将机器学习带入
您自己的项目

跳过学术理论。只看结果。

查看内容