Python机器学习的生态系统

Python生态系统正在不断成长，并可能成为机器学习的统治平台。

采用Python进行机器学习的主要原因是：它是一种通用编程语言，这意味着它可以用于研究、开发以及生产过程中。

在本文中，您将了解Python的机器学习生态系统。

Python的机器学习生态系统

上图由Stewart Black拍摄，版权所有。

Python

Python是一种通用的解释型编程语言。由于语言的重心在于可读性，所以可以很容易地学习和使用它。

Python的哲学体现在Python之禅（Zen of Python）中，其中包括这样的短语：

• 美丽胜过丑陋。
• 明了胜过隐晦。
• 简单胜过复杂。
• 复杂胜过混乱。
• 扁平胜过嵌套。
• 稀疏胜过密集。
• 可读性很重要。

你可以在你的Python环境中看到完整的Python之禅，只要输入：

import this

Python是一种普遍流行的语言，一直位于StackOverflow编程语言调查的前10之列（例如2015年的调查结果）。它一种动态的语言，并且非常适合交互式开发和大型应用程序的快速原型开发。

由于优秀的库支持，并且它本身是一种通用编程语言（与R或Matlab不同），因此它也被广泛用于机器学习和数据科学领域。例如，2011年Kaggle平台调查结果和2015年KDD Nuggets工具调查结果。

这是一个简单但是非常重要的考虑因素。

这意味着您可以使用同样的编程语言来进行您的研究和开发（确定要使用什么模型）。这大大简化了从开发到上线的过渡。

SciPy

SciPy是Python库的一个生态系统，它用于数学，科学和工程领域。它是Python的附加组件，您可以在机器学习领域使用它。

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，允许您高效地处理数组中的数据。
• Matplotlib：允许您根据数据创建二维图表和图形。
• pandas：用于组织和分析数据的工具和数据结构。

为了在Python中使用机器学习，您必须安装并熟悉SciPy。特别是以下几个方面：

• 您将使用pandas加载、探索和更好地了解您的数据。
• 您将使用Matplotlib（以及其他框架中的Matplotlib的封装）来创建数据的图形和图表。
• 您将将您的数据转为NumPy矩阵形式，以方便在机器学习算法中建模。

您可以在帖子中了解更多关于pandas的信息。用pandas准备机器学习的数据 和使用pandas进行快速的脏数据分析。

scikit-learn

scikit-learn是用于开发和实践机器学习的python库。

它建立在SciPy生态系统的基础之上。“scikit” 这个名字表明它是一个SciPy插件或工具包。您可以查看SciKits完整列表。

scikit-learn的重点是用于分类、回归，聚类等的机器学习算法。它还提供相关的工具，如模型评估，参数调整和数据预处理。

同Python和SciPy一样，scikit-learn是开放源代码的并且在BSD许可证下商业软件可以使用它。这意味着您可以学习机器学习，开发模型，并将它们放入具有相同生态系统和代码的操作中。这是使用scikit-learn的强有力理由。

您可以在后面的scikit-learn简介中了解更多关于scikit-learn的内容。

Python生态系统安装

有多种方法可以安装Python的机器学习生态系统。在本节中，我将介绍其中一种安装方法。

如何安装Python

第一步是安装Python。我更喜欢使用和推荐Python2.7。

安装方式同您的平台有关。有关说明，请参阅Python入门指南中的下载Python。

安装完成后，您可以确认是否安装成功。打开命令行并输入：

python --version

看到类似下面的回应，表明安装成功：

Python 2.7.11

如何安装SciPy

有很多方法可以安装SciPy。例如，两种常用的方法是使用你的平台上的包管理（例如，在RedHat上的yum或在macOS上的macports）或者Python的包管理工具，例如pip。

SciPy的文档非常出色，在安装SciPy上涵盖了多个不同平台的安装说明。

安装SciPy时，请确保已经安装以下软件包：

• scipy
• numpy
• matplotlib
• pandas

安装完成后，您可以确认安装是否成功。在命令行中输入“ python” 来打开python交互式环境，然后键入并运行下面的python代码来打印已安装库的版本。

# scipy
import scipy
print('scipy: %s' % scipy.__version__)
# numpy
import numpy
print('numpy: %s' % numpy.__version__)
# matplotlib
import matplotlib
print('matplotlib: %s' % matplotlib.__version__)
# pandas
import pandas
print('pandas: %s' % pandas.__version__)

当我发布本文时，在我的工作站上可以看到以下输出。

scipy: 0.17.0
numpy: 1.10.4
matplotlib: 1.5.1
pandas: 0.17.1

如果您遇到错误，可能需要查阅您平台的相关文档。

如何安装scikit-learn

我建议你使用同安装SciPy一样的方法来安装scikit-learn。

这是安装scikit-learn的说明，但是它们仅限于使用Python pip(https://en.wikipedia.org/wiki/Pip_(package_manager%2529%29) 和conda软件包管理器。

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

# scikit-learn
import sklearn
print('sklearn: %s' % sklearn.__version__)

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

sklearn: 0.17.1

如何安装生态系统：更简单的方法

如果您对在您的机器上安装软件没有信心，那么为您提供更简单的一种方法。

有一个叫做Anaconda的发行版，你可以免费下载和安装。

它支持Microsoft Windows，Mac OS X和Linux三大主要平台。

它包括Python，SciPy和scikit-learn，任何您在Python环境下学习，实践和使用机器学习所需要的东西。

总结

在本文中，我介绍了Python的机器学习生态系统。

你可以了解到：

• Python是什么和它在机器学习中被使用地越来越多。
• SciPy是什么和3大核心模块NumPy，Matplotlib和Pandas提供的功能。
• scikit-learn提供了所有的机器学习算法。

您还学习了如何在工作站上安装用于机器学习的Python生态系统。